擬合混合季節性模型

本章前面探討的純季節性依存在實務上相對少見。多數季節性時間序列具有「混合」依存，也就是說，只有部分變異能由季節性趨勢解釋。

回想完整的季節性模型以 SARIMA(p,d,q)x(P,D,Q)_S 表示，其中大寫字母代表季節階數。

與先前一樣，這個練習要你將樣本 P/ACF 與某些模擬季節性資料的真實值進行比較，並使用 sarima() 對資料擬合模型。這次的模擬資料來自混合季節性模型 SARIMA(0,0,1)x(0,0,1)₁₂。繪圖顯示 3 年的資料，以及模型的 ACF 與 PACF。請注意，與純季節性模型不同，非季節性落後階（lags）與季節性落後階都出現了相關性。

一如往常，已預先載入 astsa 套件。產生的資料存於 x。