Laboratorium 11 Szeregi czasowe i prognozowanie – ARIMA
Zadanie 1. Prognozowanie z wykorzystaniem modeli ARIMA
1.1. otwórz plik Szeregi_2; W pliku znajdują się cztery przykładowe szeregi czasowe. Przyjmijmy, że dane pochodzą z kolejnych kwartałów lat 2007 – 2019. 1.2. przejdź <Menu – Statystyka – Modele zaawansowane – Szeregi czasowe i prognozowanie>; 1.3. wybierz zmienną Y1 i przejdź do <ARIMA i funkcja autokorelacji >; 1.4. przejdź na kartę <Przegląd szeregu> i wykonaj wykres liniowy szeregu; 1.5. przejdź na kartę <Autokorelacje> i wykonaj autokorelacje i autokorelacje cząstkowe; 1.6. na podstawie 1.4 i 1.5. oceń czy szereg jest stacjonarny (ze względu na średnią i wariancję); spróbuj określić, czy w szeregu występują składniki systematyczne: trend, sezonowość; 1.7. przejdź na kartę <Więcej>, a następnie wybierz <Inne przekształcenia i wykresy>; spróbuj przekształcić szereg do postaci stacjonarnej poprzez różnicowanie i logarytmowanie; 1.8. dla szeregu stacjonarnego przeglądnij korelogramy, określ typ modelu i liczbę parametrów (identyfikacja); 1.9. wróć na kartę <Więcej> i ustaw parametry i przekształcenia, w celu oszacowania modelu dla pierwotnego szeregu; 1.10. sprawdź adekwatność i stopień dopasowania modelu do szeregu: sprawdź istotność parametrów; wyznacz prognozy i ich błędy oraz oceń trafność prognoz (na podstawie prognoz wygasłych); 1.11. sprawdź, czy reszty modelu charakteryzują się: stałą wariancję i średnią bliską 0 (wykres liniowy reszt); rozkładem normalnym (wykres normalności, histogram); brakiem autokorelacji (korelogramy – biały szum). 1.12. w przypadku nieadekwatności modelu wróć do 1.9 i ustaw inny model. 1.13. gdy model „wydaje się” być adekwatny, sprawdź kilka innych modeli i porównaj wyniki.
Zadanie 2. Prognozowanie z wykorzystaniem modeli ARIMA
Analogicznie, jak w zadaniu 1, przeprowadź modelowanie i prognozowania szeregów Y2 – Y4.
Zadanie 3. Prognozowanie z wykorzystaniem modeli ARIMA
Analogicznie, jak w zadaniu 1, przeprowadź modelowanie i prognozowania szeregu z pliku przykładowego Series_G.