1. Learn
    2. /
  2. Courses
    3. /
  3. Dự báo bằng R
Connected

Exercise

Dự báo với mô hình ARIMA

Phương pháp tự động ở bài trước đã chọn mô hình ARIMA(0,1,1) có drift cho dữ liệu austa, tức là \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) Bây giờ bạn sẽ thử nghiệm với các mô hình ARIMA khác cho bộ dữ liệu để xem chúng ảnh hưởng thế nào đến dự báo.

Hàm Arima() có thể dùng để chọn một mô hình ARIMA cụ thể. Tham số đầu tiên, order, nhận một vector chỉ định các giá trị \(p\), \(d\) và \(q\). Tham số thứ hai, include.constant, là boolean xác định có đưa hằng số \(c\) (hay drift) vào hay không. Dưới đây là ví dụ một chuỗi pipe để vẽ dự báo của usnetelec từ mô hình ARIMA(2,1,2) có drift:

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

Trong các ví dụ này, hãy chú ý cách các mô hình khác nhau ảnh hưởng đến dự báo và khoảng dự báo. Dữ liệu austa đã sẵn sàng trong không gian làm việc của bạn.

Instructions

100 XP
  • Vẽ dự báo từ mô hình ARIMA(0,1,1) không có drift.
  • Vẽ dự báo từ mô hình ARIMA(2,1,3) có drift.
  • Vẽ dự báo từ mô hình ARIMA(0,0,1) có hằng số.
  • Vẽ dự báo từ mô hình ARIMA(0,2,1) không có hằng số.