殘差分析 - I
就像你在影片中看到的，執行 sarima() 會包含殘差分析的圖表。輸出會顯示：（1）標準化殘差，（2）殘差的樣本 ACF，（3）常態 Q-Q 圖，以及（4）對應 Box–Ljung–Pierce Q 統計量的 p 值。
每次執行時，請依下列方式檢查四個殘差圖：
- 標準化殘差應表現為平均數為 0、變異數為 1 的白噪音序列。檢視殘差圖是否偏離此行為。
- 殘差的樣本 ACF 應該看起來像白噪音。檢視 ACF 是否有偏離此行為。
- 配適 ARMA 模型時，常態性是關鍵假設。檢視 Q-Q 圖是否偏離常態，並辨識是否有離群值。
- 使用 Q 統計量的圖來檢定殘差是否偏離白噪音。
與前一個練習相同，dl_varve <- diff(log(varve))，它會畫在 varve 圖的下方。已預先載入 astsa 套件。
本練習屬於課程
R 中的 ARIMA 模型
練習說明
- 使用
sarima()對dl_varve配適 MA(1)，並依上述步驟完成殘差分析。請把觀察結果記下來，供下一個練習使用。 - 再次呼叫
sarima()對dl_varve配適 ARMA(1,1)，並依上述步驟完成殘差分析。同樣地，請把觀察結果記下來，供下一個練習使用。
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。
# Fit an MA(1) to dl_varve. Examine the residuals
# Fit an ARMA(1,1) to dl_varve. Examine the residuals