Bắt đầu ngayBắt đầu miễn phí

Nhận diện

Trong các bài tập sau, bạn sẽ áp dụng phương pháp Box–Jenkins để đi từ một bộ dữ liệu chưa biết đến một mô hình sẵn sàng dự báo.

Bạn sẽ dùng một chuỗi thời gian mới: tỷ lệ tiết kiệm cá nhân trên thu nhập khả dụng (%) tại Mỹ giai đoạn 1955–1979.

Bước đầu tiên của phương pháp Box–Jenkins là Nhận diện (Identification). Ở bài này, bạn sẽ dùng các công cụ hiện có để kiểm tra liệu chuỗi thời gian mới này có dừng (stationary) hay không.

Chuỗi thời gian đã được nạp vào DataFrame savings và hàm adfuller() đã được import.

Bài tập này là một phần của khóa học

Mô hình ARIMA với Python

Xem khóa học

Hướng dẫn bài tập

  • Vẽ chuỗi thời gian bằng phương thức .plot() của DataFrame.
  • Áp dụng kiểm định Dickey–Fuller cho cột 'savings' của DataFrame savings và gán kết quả kiểm định vào result.
  • In ra thống kê kiểm định Dickey–Fuller và p-value tương ứng.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Plot time series
____
plt.show()

# Run Dicky-Fuller test
result = ____

# Print test statistic
____

# Print p-value
____
Chỉnh sửa và Chạy Mã