Kontrollera tidsserieresidualerna
När du tillämpar en prognosmetod är det viktigt att alltid kontrollera att residualerna uppför sig väl – det vill säga att de saknar extremvärden och mönster – och liknar vitbrus. Prediktionsintervallen beräknas under antagandet att residualerna också är normalfördelade. Du kan använda funktionen checkresiduals() för att verifiera dessa egenskaper; den ger också resultaten från ett Ljung-Box-test.
Du har inte använt pipe-funktionen (%>%) ännu, men det här är ett bra tillfälle att introducera den. När det finns många nästade funktioner gör pipe-funktioner koden mycket lättare att läsa. Följ alltid en funktion med parenteser för att skilja den från andra objekt, även om den inte har några argument. Här är ett exempel:
> function(foo) # De här två
> foo %>% function() # är likvärdiga!
> foo %>% function # Inkonsekvent
I den här övningen testar du ovanstående funktioner på prognoser som motsvarar dem du skapade i föregående övning (fcgoog från naive() på goog, och fcbeer från snaive() på ausbeer).
Den här övningen är en del av kursen
Prognoser i R
Övningsinstruktioner
- Använd pipe-funktionen ovan och kör
checkresiduals()på en prognos som motsvararfcgoog. - Baserat på resultaten från Ljung-Box-testet – liknar residualerna vitbrus? Tilldela
googwnantingenTRUEellerFALSE. - Använd en liknande pipe-funktion och kör
checkresiduals()på en prognos som motsvararfcbeer. - Baserat på resultaten från Ljung-Box-testet – liknar residualerna vitbrus? Tilldela
beerwnantingenTRUEellerFALSE.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Check the residuals from the naive forecasts applied to the goog series
goog %>% naive() %>% ___
# Do they look like white noise (TRUE or FALSE)
googwn <- ___
# Check the residuals from the seasonal naive forecasts applied to the ausbeer series
___
# Do they look like white noise (TRUE or FALSE)
beerwn <- ___