Kom igångKom igång gratis

Prognostisering med ARIMA-modeller

Den automatiska metoden i föregående övning valde en ARIMA(0,1,1)-modell med drift för austa-data, det vill säga \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) Nu ska du experimentera med olika ARIMA-modeller för dessa data och se hur de påverkar prognoserna.

Funktionen Arima() används för att välja en specifik ARIMA-modell. Det första argumentet, order, sätts till en vektor som anger värdena för \(p\), \(d\) och \(q\). Det andra argumentet, include.constant, är ett booleskt värde som avgör om konstanten \(c\), eller drift, ska inkluderas. Nedan visas ett exempel på en pipe-funktion som plottar prognoser för usnetelec från en ARIMA(2,1,2)-modell med drift:

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

Observera i exemplen hur de olika modellerna påverkar prognoserna och prediktionsintervallen. austa-data finns tillgänglig i din arbetsmiljö.

Den här övningen är en del av kursen

Prognoser i R

Visa kurs

Övningsinstruktioner

  • Plotta prognoser från en ARIMA(0,1,1)-modell utan drift.
  • Plotta prognoser från en ARIMA(2,1,3)-modell med drift.
  • Plotta prognoser från en ARIMA(0,0,1)-modell med en konstant.
  • Plotta prognoser från en ARIMA(0,2,1)-modell utan konstant.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Plot forecasts from an ARIMA(0,1,1) model with no drift
austa %>% Arima(order = c(___, ___, ___), include.constant = ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(2,1,3) model with drift
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,0,1) model with a constant
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,2,1) model with no constant
austa %>% Arima(___, ___) %>% ___ %>% ___
Redigera och kör kod