使用 ARIMA 模型進行預測
前一題的自動方法為 austa 資料選出了帶有 drift 的 ARIMA(0,1,1) 模型，也就是：
\(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\)
現在你將針對此資料嘗試不同的 ARIMA 模型，看看對預測有什麼影響。
Arima() 函式可用來指定特定的 ARIMA 模型。它的第一個引數 order 設為一個向量，用來指定 $p$、$d$、\(q\) 的數值。第二個引數 include.constant 是布林值，用來決定是否納入常數 $c$（也稱為 drift）。以下是透過管線運算繪製來自帶有 drift 的 ARIMA(2,1,2) 模型之 usnetelec 預測的範例：
> usnetelec %>%
Arima(order = c(2,1,2), include.constant = TRUE) %>%
forecast() %>%
autoplot()
在以下範例中，請留意不同模型如何影響預測與信賴區間。austa 資料已在你的工作環境中就緒，可直接使用。
本練習屬於課程
R 的時間序列預測
練習說明
- 繪製不含 drift 的 ARIMA(0,1,1) 模型預測。
- 繪製含有 drift 的 ARIMA(2,1,3) 模型預測。
- 繪製含有常數的 ARIMA(0,0,1) 模型預測。
- 繪製不含常數的 ARIMA(0,2,1) 模型預測。
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 forecasts from an ARIMA(0,1,1) model with no drift
austa %>% Arima(order = c(___, ___, ___), include.constant = ___) %>% ___ %>% ___
# Plot forecasts from an ARIMA(2,1,3) model with drift
austa %>% Arima(___, ___) %>% ___ %>% ___
# Plot forecasts from an ARIMA(0,0,1) model with a constant
austa %>% Arima(___, ___) %>% ___ %>% ___
# Plot forecasts from an ARIMA(0,2,1) model with no constant
austa %>% Arima(___, ___) %>% ___ %>% ___