拟合一个混合季节性模型
如本章前面讨论的那样，纯粹的季节性依赖相对少见。大多数季节性时间序列具有"混合"依赖，也就是说，只有一部分变动由季节性趋势解释。
回顾完整的季节性模型记为 SARIMA(p,d,q)x(P,D,Q)S，其中大写字母表示季节项的阶数。
与之前一样，本练习要求您将样本 P/ACF 与某些模拟季节性数据的真实值进行比较，并使用 sarima() 为数据拟合模型。本次的模拟数据来自一个混合季节性模型：SARIMA(0,0,1)x(0,0,1)12。图中显示了 3 年的数据，以及该模型的 ACF 和 PACF。请注意，与纯季节性模型不同，非季节滞后与季节滞后上都存在相关性。
一如既往，astsa 包已预加载。生成的数据存放在 x 中。
本练习是课程的一部分
R 中的 ARIMA 模型
练习说明
- 绘制生成数据的样本 ACF 和 PACF，滞后到 60（
max.lag = 60），并与真实值比较。 - 使用
sarima()将模型拟合到生成的数据（x）。与上一个练习一样，请确保在sarima()命令中指定额外的季节性参数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot sample P/ACF pair to lag 60 and compare to actual
# Fit the seasonal model to x