ПочатиПочніть безкоштовно

Аналіз даних — безробіття I

У відео ми підігнали сезонну модель ARIMA до логарифма місячного набору даних AirPassengers. Тепер ви почнете підбирати сезонну модель ARIMA до місячних даних про безробіття у США — unemp — з пакета astsa.

Спочатку побудуйте графік даних і зверніть увагу на тренд і сезонну сталість. Далі подивіться на детрендовані дані та приберіть сезонну сталість. Після цього повністю продиференційовані дані мають виглядати стаціонарними.

Пакет astsa уже завантажено для вас.

Ця вправа є частиною курсу

Моделі ARIMA в R

Переглянути курс

Інструкції до вправи

  • Побудуйте часовий ряд місячного безробіття у США (unemp) з astsa. Зверніть увагу на тренд і сезонність.
  • Видаліть тренд і побудуйте графік даних. Збережіть це як d_unemp. Зверніть увагу на сезонну сталість.
  • Застосуйте сезонне диференціювання до детрендованого ряду та збережіть результат як dd_unemp. Побудуйте графік нових даних і зауважте, що тепер вони виглядають стаціонарними.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Plot unemp 


# Difference your data and plot it
d_unemp <- 


# Seasonally difference d_unemp and plot it
dd_unemp <- diff(___, lag = 12)
Редагувати та запускати код