选择 SARIMA 阶数
在本练习中，您将为一组新的时间序列确定合适的模型阶数。该数据是澳大利亚的月度就业人数（单位：千人）。该时间序列的季节周期为 12 个月。
您将绘制非季节与季节的 ACF 和 PACF 图，并使用下表来选择合适的模型阶数。
| AR(p) | MA(q) | ARMA(p,q) | |
|---|---|---|---|
| ACF | 缓慢衰减 | 在滞后 q 之后截尾 | 缓慢衰减 |
| PACF | 在滞后 p 之后截尾 | 缓慢衰减 | 缓慢衰减 |
数据框 aus_employment 以及函数 plot_acf() 和 plot_pacf() 已在您的环境中可用。
注意，您可以通过 df.diff(n1).diff(n2) 对 DataFrame 进行多次差分。
本练习是课程的一部分
Python 中的 ARIMA 模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Take the first and seasonal differences and drop NaNs
aus_employment_diff = ____