ПочатиПочніть безкоштовно

Аналіз даних — народжуваність

Тепер ви застосуєте нові навички, щоб уважно підібрати модель SARIMA до часового ряду birth з пакета astsa. Дані — це щомісячна кількість народжених живими (скоригована) у тисячах у США за 1948–1979 роки, що включає «бебі-бум» після Другої світової війни.

Дані birth вже побудовано у вашій консолі R. Зверніть увагу на довгостроковий тренд (випадкове блукання) та сезонну складову даних.

Ця вправа є частиною курсу

Моделі ARIMA в R

Переглянути курс

Інструкції до вправи

  • Використайте diff(), щоб продиференціювати дані (d_birth). Застосуйте acf2(), щоб переглянути вибіркові ACF і PACF цих даних до лага 60. Зверніть увагу на сезонну стійкість.
  • Виконайте ще один виклик diff(), щоб узяти сезонну різницю даних. Збережіть результат у dd_birth. Знову застосуйте acf2(), щоб переглянути ACF і PACF цих даних до лага 60. Зробіть висновок, що модель SARIMA(0,1,1)x(0,1,1)12 видається розумною.
  • Підберіть модель SARIMA(0,1,1)x(0,1,1)12. Що відбувається?
  • Додайте додатковий параметр AR (не сезонний, p = 1), щоб врахувати додаткову кореляцію. Чи добре модель описує дані?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Plot P/ACF to lag 60 of differenced data
d_birth <- diff(birth)


# Plot P/ACF to lag 60 of seasonal differenced data
dd_birth <- diff(d_birth, lag = 12)


# Fit SARIMA(0,1,1)x(0,1,1)_12. What happens?


# Add AR term and conclude
Редагувати та запускати код