ARIMA modelleriyle tahmin
Önceki egzersizdeki otomatik yöntem, austa verileri için drift içeren ARIMA(0,1,1) modelini seçti, yani
\(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\)
Şimdi, tahminleri nasıl etkilediklerini görmek için veriler üzerinde çeşitli başka ARIMA modelleriyle denemeler yapacaksın.
Belirli bir ARIMA modelini seçmek için Arima() fonksiyonu kullanılabilir. İlk argümanı olan order, \(p\), \(d\) ve \(q\) değerlerini belirten bir vektör olarak ayarlanır. İkinci argüman olan include.constant, sabit terim \(c\) yani drift dahil edilsin mi belirleyen bir boolean'dır. Aşağıda, drift içeren bir ARIMA(2,1,2) modelinden usnetelec için tahminleri çizecek bir pipe fonksiyonu örneği verilmiştir:
> usnetelec %>%
Arima(order = c(2,1,2), include.constant = TRUE) %>%
forecast() %>%
autoplot()
Buradaki örneklerde, farklı modellerin tahminleri ve tahmin aralıklarını nasıl etkilediğine dikkat et. austa verileri çalışma alanında kullanıma hazır.
Bu egzersiz, kursun bir parçasıdır
R ile Tahminleme
Egzersiz talimatları
- Drift olmadan bir ARIMA(0,1,1) modelinden tahminleri çiz.
- Drift içeren bir ARIMA(2,1,3) modelinden tahminleri çiz.
- Sabit içeren bir ARIMA(0,0,1) modelinden tahminleri çiz.
- Sabit içermeyen bir ARIMA(0,2,1) modelinden tahminleri çiz.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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(___, ___) %>% ___ %>% ___