1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Dự báo bằng R
Connected

Bài tập

ARIMA tự động cho chuỗi thời gian có tính mùa vụ

Như bạn đã thấy trong video, hàm auto.arima() cũng hoạt động với dữ liệu có mùa vụ. Lưu ý rằng đặt lambda = 0 trong hàm auto.arima() — tức là áp dụng phép biến đổi log — có nghĩa là mô hình sẽ được khớp trên dữ liệu đã biến đổi, và các dự báo sẽ được biến đổi ngược về thang đo gốc.

Sau khi dùng summary() cho dạng mô hình đã khớp này, bạn có thể thấy đầu ra tương tự như dưới đây, tương ứng với \((p,d,q)(P,D,Q)[m]\):

ARIMA(0,1,4)(0,1,1)[12]

Trong bài tập này, bạn sẽ dùng các hàm đó để mô hình hóa và dự báo dữ liệu h02 đã được nạp sẵn, chứa doanh số theo tháng của thuốc cortecosteroid tại Australia.

Hướng dẫn

100 XP
  • Dùng hàm vẽ chuẩn để vẽ dữ liệu h02 đã lấy log nhằm kiểm tra độ ổn định phương sai.
  • Khớp một mô hình ARIMA mùa vụ cho chuỗi h02 với lambda = 0. Lưu vào fit.
  • Tóm tắt mô hình đã khớp bằng phương thức phù hợp.
  • Mức sai phân nào đã được dùng trong mô hình? Gán lượng sai phân trễ-1 cho d và sai phân mùa vụ cho D.
  • Vẽ dự báo cho 2 năm tới bằng mô hình đã khớp. Đặt h tương ứng.