資料分析－出生率
現在你要運用新學到的技巧，為 astsa 中的 birth 時間序列仔細配適一個 SARIMA 模型。這筆資料是 1948–1979 年美國每月活產數（經調整），單位為千人，並包含二戰後的嬰兒潮。
birth 資料已在你的 R 主控台中繪圖。請留意長期趨勢（隨機漫步）以及資料的季節性成分。
本練習屬於課程
R 中的 ARIMA 模型
練習說明
- 使用
diff()對資料做一次差分（d_birth）。使用acf2()檢視此資料延遲到 60 的樣本 ACF 與 PACF。注意季節性的持續性。 - 再次呼叫
diff()，對資料做「季節性差分」。將結果存為dd_birth。再呼叫一次acf2()，同樣檢視延遲到 60 的 ACF 與 PACF。可以推論 SARIMA(0,1,1)x(0,1,1)12 模型看起來合理。 - 配適 SARIMA(0,1,1)x(0,1,1)12 模型。發生了什麼事？
- 再加入一個額外的 AR（非季節性，
p = 1）參數來處理額外的相關性。模型配適得如何？
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 to lag 60 of differenced data
d_birth <- diff(birth)
# Plot P/ACF to lag 60 of seasonal differenced data
dd_birth <- diff(d_birth, lag = 12)
# Fit SARIMA(0,1,1)x(0,1,1)_12. What happens?
# Add AR term and conclude