識別（Identification）
在接下來的練習中，你將套用 Box-Jenkins 方法，從一個未知的資料集出發，建立一個可以用來預測的模型。
你會使用一個新的時間序列：1955–1979 年美國可支配所得中的個人儲蓄占比（%）。
Box-Jenkins 方法的第一步是「識別」。在本練習中，你會運用手邊的工具來檢驗這個新的時間序列是否為定態（stationary）。
時間序列已載入為 DataFrame savings，且已匯入 adfuller() 函式。
本練習屬於課程
Python 中的 ARIMA 模型
練習說明
- 使用 DataFrame 的
.plot()方法繪製時間序列。 - 對
savingsDataFrame 的'savings'欄位套用 Dickey-Fuller 檢定，並將結果指定給result。 - 印出 Dickey-Fuller 檢定統計量與對應的 p 值。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Plot time series
____
plt.show()
# Run Dicky-Fuller test
result = ____
# Print test statistic
____
# Print p-value
____