시계열 분석을 시도하고 있으며이 분야에 익숙하지 않습니다. 저는 2006-2009 년부터 매일 이벤트를보고 있으며 시계열 모델에 맞추고 싶습니다. 내가 한 진보는 다음과 같습니다.
timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25)
plot.ts(timeSeriesObj)
결과 플롯은 다음과 같습니다.
데이터에 계절 성과 추세가 있는지 확인하기 위해이 게시물에 언급 된 단계를 따릅니다 .
ets(x)
fit <- tbats(x)
seasonal <- !is.null(fit$seasonal)
seasonal
그리고 Rob J Hyndman의 블로그에서 :
library(fma)
fit1 <- ets(x)
fit2 <- ets(x,model="ANN")
deviance <- 2*c(logLik(fit1) - logLik(fit2))
df <- attributes(logLik(fit1))$df - attributes(logLik(fit2))$df
#P value
1-pchisq(deviance,df)
두 경우 모두 계절성이 없음을 나타냅니다.
시리즈의 ACF & PACF를 플롯하면 다음과 같은 결과를 얻습니다.
내 질문은 :
이것이 매일 시계열 데이터를 처리하는 방법입니까? 이 페이지 는 매주와 매년 패턴을 모두보아야한다고 제안하지만 접근 방식은 명확하지 않습니다.
ACF 및 PACF 플롯이 있으면 진행 방법을 모르겠습니다.
auto.arima 함수를 간단히 사용할 수 있습니까?
적합 <-arima (myts, order = c (p, d, q)
***** Auto.Arima 결과 업데이트 ******
난 롭 Hyndman의 의견에있어서, (7)에 데이터의 주파수를 변경할 때 여기서 , auto.arima가 선택한 계절 ARIMA 모형 출력한다 :
Series: timeSeriesObj
ARIMA(1,1,2)(1,0,1)[7]
Coefficients:
ar1 ma1 ma2 sar1 sma1
0.89 -1.7877 0.7892 0.9870 -0.9278
s.e. NaN NaN NaN 0.0061 0.0162
sigma^2 estimated as 21.72: log likelihood=-4319.23
AIC=8650.46 AICc=8650.52 BIC=8682.18
****** 업데이트 된 계절성 확인 ******
빈도 7로 계절성을 테스트하면 True가 출력되고 계절이 365.25이면 false가 출력됩니다. 연간 계절성이 부족하다고 결론을 내릴 수 있습니까?
timeSeriesObj = ts(x,start=c(2006,1,1),frequency=7)
fit <- tbats(timeSeriesObj)
seasonal <- !is.null(fit$seasonal)
seasonal
보고:
True
동안
timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25)
fit <- tbats(timeSeriesObj)
seasonal <- !is.null(fit$seasonal)
seasonal
보고:
False
R
을 처리 할 수있는 기능이없는 모든 계절 을 처리 할 수 있습니다. 예측하려는 제품의 재고 / 제조 비용이 높으면 상용 솔루션을 찾고 싶습니다. R
당신과 같은 작업을 예측하기 위해 심각한 제한이 있습니다. 이 사이트의 다른 곳에서 일일 예측에 대한 질문을보십시오.
str(x)
나옵니까?