ПочатиПочніть безкоштовно

Глобальне потепління

Тепер, коли ви маєте досвід підгонки моделі ARIMA до змодельованих даних, наступне завдання — застосувати ці вміння до реальних даних.

Дані в globtemp (з astsa) — це річні глобальні відхилення температури до 2015 року. У цій вправі ви скористаєтеся усталеними підходами, щоб підібрати модель ARIMA до цих даних. Графік даних демонструє поведінку випадкового блукання, тож варто працювати з різницевими даними. Різницеві дані diff(globtemp) також зображено на графіку.

Після побудови вибіркових ACF і PACF для різницевих даних diff(globtemp) можна сказати, що або

  1. і ACF, і PACF повільно затухають, що вказує на модель ARIMA(1,1,1);
  2. ACF обривається на лагу 2, а PACF затухає, що вказує на модель ARIMA(0,1,2);
  3. ACF затухає, а PACF обривається на лагу 3, що вказує на модель ARIMA(3,1,0). Хоч ця модель і підходить досить непогано, вона найгірша з трьох (ви можете це перевірити), оскільки використовує надто багато параметрів для таких малих автокореляцій.

Після підгонки перших двох моделей перевірте AIC і BIC, щоб обрати кращу модель.

Ця вправа є частиною курсу

Моделі ARIMA в R

Переглянути курс

Інструкції до вправи

  • Побудуйте вибіркові ACF і PACF для різницевих даних diff(globtemp), щоб побачити, що дві моделі виглядають розумними: ARIMA(1,1,1) і ARIMA(0,1,2).
  • Скористайтеся sarima(), щоб підігнати модель ARIMA(1,1,1) до globtemp. Чи всі параметри є значущими?
  • Зробіть ще один виклик sarima(), щоб підігнати модель ARIMA(0,1,2) до globtemp. Чи всі параметри є значущими? Яка модель краща?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Plot the sample P/ACF pair of the differenced data 


# Fit an ARIMA(1,1,1) model to globtemp


# Fit an ARIMA(0,1,2) model to globtemp. Which model is better?
Редагувати та запускати код