ฉันกำลังพยายามทำการวิเคราะห์อนุกรมเวลาและยังใหม่กับฟิลด์นี้ ฉันมีการนับเหตุการณ์ทุกวันตั้งแต่ปี 2549-2552 และฉันต้องการให้พอดีกับแบบจำลองอนุกรมเวลา นี่คือความก้าวหน้าที่ฉันได้ทำ:
timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25)
plot.ts(timeSeriesObj)
พล็อตผลที่ฉันได้รับคือ:
เพื่อตรวจสอบว่ามีฤดูกาลและแนวโน้มในข้อมูลหรือไม่ฉันทำตามขั้นตอนที่กล่าวถึงในโพสต์นี้:
ets(x)
fit <- tbats(x)
seasonal <- !is.null(fit$seasonal)
seasonal
และในบล็อกของ Rob J Hyndman :
library(fma)
fit1 <- ets(x)
fit2 <- ets(x,model="ANN")
deviance <- 2*c(logLik(fit1) - logLik(fit2))
df <- attributes(logLik(fit1))$df - attributes(logLik(fit2))$df
#P value
1-pchisq(deviance,df)
ทั้งสองกรณีระบุว่าไม่มีฤดูกาล
เมื่อฉันพล็อต ACF & PACF ของซีรีส์นี่คือสิ่งที่ฉันได้รับ:
คำถามของฉันคือ:
นี่เป็นวิธีจัดการข้อมูลอนุกรมเวลารายวันหรือไม่ หน้านี้แสดงให้เห็นว่าฉันควรจะดูทั้งรูปแบบรายสัปดาห์และรายปี แต่วิธีการไม่ชัดเจนสำหรับฉัน
ฉันไม่ทราบวิธีการดำเนินการเมื่อมีแผนการแปลง ACF และ PACF
ฉันสามารถใช้ฟังก์ชั่น auto.arima ได้หรือไม่?
พอดี <- arima (myts, order = c (p, d, q)
***** อัปเดตผลลัพธ์อัตโนมัติอาริมา ******
เมื่อฉันเปลี่ยนความถี่ของข้อมูลเป็น 7 ตามความคิดเห็นของ Rob Hyndman ที่นี่ auto.arima จะเลือกโมเดล ARIMA ตามฤดูกาลและเอาต์พุต:
Series: timeSeriesObj
ARIMA(1,1,2)(1,0,1)[7]
Coefficients:
ar1 ma1 ma2 sar1 sma1
0.89 -1.7877 0.7892 0.9870 -0.9278
s.e. NaN NaN NaN 0.0061 0.0162
sigma^2 estimated as 21.72: log likelihood=-4319.23
AIC=8650.46 AICc=8650.52 BIC=8682.18
****** อัพเดทการตรวจสอบฤดูกาล ******
เมื่อฉันทดสอบ seasonality ด้วยความถี่ 7 มันจะให้ผลลัพธ์เป็นจริง แต่กับ seasonality 365.25 มันจะให้ผลลัพธ์เป็นเท็จ นี่เพียงพอที่จะสรุปการขาดฤดูกาลประจำปีได้หรือไม่?
timeSeriesObj = ts(x,start=c(2006,1,1),frequency=7)
fit <- tbats(timeSeriesObj)
seasonal <- !is.null(fit$seasonal)
seasonal
ผลตอบแทน:
True
ในขณะที่
timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25)
fit <- tbats(timeSeriesObj)
seasonal <- !is.null(fit$seasonal)
seasonal
ผลตอบแทน:
False
R
ไม่ง่ายไม่มีความสามารถในการจัดการ ฉันจะมองหาวิธีแก้ปัญหาเชิงพาณิชย์หากมีสินค้าคงคลัง / ต้นทุนการผลิตสูงที่เกี่ยวข้องกับผลิตภัณฑ์ที่คุณพยายามคาดการณ์ R
มีข้อ จำกัด อย่างมากสำหรับการคาดการณ์ภารกิจเช่นคุณ ดูคำถามเกี่ยวกับการคาดการณ์รายวันในเว็บไซต์นี้
str(x)
ให้ผลผลิต?