ARIMA 模擬資料的預測
現在你已經熟悉如何配適 ARIMA 模型，可以把這些技能用在時間序列預測上。首先，你會先操作一組模擬資料。
我們從一個 ARIMA(1,1,0) 模型（AR 參數為 0.9）產生了 120 筆觀測值。完整資料在 y，前 100 筆在 x。這些觀測值已為你繪圖顯示。你將對 x 配適 ARIMA(1,1,0) 模型，並檢查模型配適是否良好。接著使用 astsa 中的 sarima.for() 向前預測 20 期，然後把預測結果與 y 的實際值比較。
預測的基本語法為 sarima.for(data, n.ahead, p, d, q)，其中 n.ahead 是用來指定預測範圍的正整數。函式會印出預測值及其標準誤，圖上以黑色為原始資料，紅色為預測值，並以藍色虛線標示 2 倍均方預測誤差的界限。
已預先載入 astsa 套件，且資料（x）與一次差分後的資料（diff(x)）都已繪圖。
本練習屬於課程
R 中的 ARIMA 模型
練習說明
- 繪製差分後資料的樣本 ACF 與 PACF，以判斷合適的模型。
- 使用
sarima()對資料配適 ARIMA(1,1,0)。檢視sarima()的輸出，以評估配適度與診斷結果。 - 使用
sarima.for()向前預測 20 期，並與實際值比較。
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 P/ACF pair of differenced data
# Fit model - check t-table and diagnostics
# Forecast the data 20 time periods ahead
sarima.for(x, n.ahead = ___, p = ___, d = ___, q = ___)
lines(y)