資料分析—失業率 II
現在，你將透過檢視完全差分後序列的樣本 ACF 與 PACF，繼續為美國月度失業率時間序列 unemp 配適 SARIMA 模型。
（注意：樣本 P/ACF 圖中的延遲軸以「年」為單位），因此延遲 1、2、3、… 分別代表 1 年（12 個月）、2 年（24 個月）、3 年（36 個月）、……
astsa 套件已為你預先載入。
本練習屬於課程
R 中的 ARIMA 模型
練習說明
- 將資料做完全差分（同上一個練習），並繪製轉換後資料的樣本 ACF 與 PACF，延遲至 60 個月（5 年）。考量下列現象：
- 非季節成分：PACF 在延遲 2 截尾，ACF 呈尾端遞減。
- 季節成分：ACF 在延遲 12 截尾，而 PACF 在延遲 12、24、36、… 呈尾端遞減。
- 提出並使用
sarima()配適模型。檢查殘差，確保模型配適得當。
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 fully differenced data to lag 60
dd_unemp <- diff(diff(unemp), lag = 12)
# Fit an appropriate model