Moving average example in r

Análise de séries temporais e seus aplicativos: com exemplos R Solução rápida de séries temporais A página usa JavaScript para realçar a sintaxe. Não é necessário ativá-lo, mas o código será mais difícil de ler. Este é apenas um breve passeio pela pista do seRies. Meu conselho é abrir R e tocar junto com o tutorial. Espero que você tenha instalado R e encontrado o ícone em seu desktop que se parece com um R. bem, é um R. Se você estiver usando o Linux, então pare de procurar porque não está lá. basta abrir um terminal e entrar em R (ou instalar o R ​​Studio.) Se você quiser mais gráficos de séries temporais, particularmente usando o ggplot2. veja a correção rápida de gráficos. A solução rápida destina-se a expô-lo às capacidades básicas da série temporal R e é considerada divertida para pessoas com idades entre os 8 e os 80 anos. Esta não é uma lição na análise de séries temporais, mas existe a tsaEZ. uma introdução gratuita e fácil à análise de séries temporais. loz passos de bebê. sua primeira sessão R. Fique à vontade, então inicie-a e tente alguma adição simples: Ok, agora você é um especialista em usar R. ia ficar astsa agora: Agora que você está carregado, podemos começar. vamos Primeiro, jogue bem com o conjunto de dados Johnson & Johnson. Está incluído em astsa como jj. aquele personagem dinamita do Good Times. Primeiro, olhe para isso. e você vê que jj é uma coleção de 84 números chamados de objetos de séries temporais. Para ver / remover seus objetos: Se você é um usuário Matlab (ou similar), você pode pensar que jj é um vetor 84 vezes 1, mas não é. Tem ordem e comprimento, mas sem dimensões (sem linhas, sem colunas). R chama esses tipos de vetores de objetos, então você tem que ter cuidado. Em R, as matrizes têm dimensões, mas os vetores não - elas apenas oscilam no ciberespaço. Agora, vamos fazer um objeto de série temporal mensal que comece em junho do ano 2293. Entramos no Vortex. Observe que os dados da Johnson & Johnson são ganhos trimestrais, portanto, tem frequência4. A série temporal zardoz é um dado mensal, portanto tem frequência12. Você também obtém algumas coisas úteis com o objeto ts, por exemplo: Agora tente uma plotagem dos dados da Johnson Johnson: O gráfico mostrado é um pouco mais sofisticado do que o código fornecerá. Para mais detalhes, consulte a página de correção rápida de gráficos. Isso vale para o resto das parcelas que você verá aqui. Experimente e veja o que acontece: e enquanto estiver aqui, confira plot. ts e ts. plot. Observe que, se seus dados forem um objeto de série temporal, plot () fará o truque (por um simples gráfico de tempo, isto é). Caso contrário, plot. ts () irá coagir o gráfico em um gráfico de tempo. Que tal filtrar / suavizar a série Johnson & Johnson utilizando uma média móvel de dois lados Vamos tentar isto: fjj (t) 8539 jj (t-2) frac14 jj (t-1) frac14 jj (t) frac14 jj (t1) 8539 jj (t2) e bem adicionar um ajuste de baixa (lowess - você sabe a rotina) para se divertir. Permite diferenciar os dados registrados e chamá-lo de dljj. Então jogue bem com dljj. Agora, um histograma e um gráfico Q-Q, um em cima do outro (mas de uma maneira agradável): Vamos verificar a estrutura de correlação do dljj usando várias técnicas. Primeiro, olhe bem para uma grade de gráficos de dispersão de valores dljj (t) versus defasados. As linhas são um ajuste de baixa intensidade e a amostra acf é azul na caixa. Agora vamos dar uma olhada no ACF e no PACF do dljj. Note que o eixo LAG está em termos de frequência. então 1,2,3,4,5 correspondem a defasagens 4,8,12,16,20 porque frequência4 aqui. Se você não gosta deste tipo de rotulagem, você pode substituir dljj em qualquer um dos itens acima por ts (dljj, freq1), e. acf (ts (dljj, freq1), 20) Seguindo em frente, vamos tentar uma decomposição estrutural do log (jj) erro de estação de tendência usando lowess. Se você quiser inspecionar os resíduos, por exemplo, eles estão em dogtime. series, 3. a terceira coluna da série resultante (os componentes sazonais e de tendência estão nas colunas 1 e 2). Confira o ACF dos resíduos, acf (dogtime. series, 3) os residuais não são brancos - nem mesmo próximos. Você pode fazer um pouco (muito pouco) melhor usando uma janela sazonal local, ao contrário da global usada especificando por. Digite stl para detalhes. Há também algo chamado StructTS que se ajustará aos modelos estruturais paramétricos. Nós não usamos essas funções no texto quando apresentamos a modelagem estrutural no Capítulo 6 porque preferimos usar nossos próprios programas. loz Este é um bom momento para explicar. Acima, o cachorro é um objeto que contém um monte de coisas (termo técnico). Se você digitar cachorro. você verá os componentes, e se você digitar resumo (cachorro) você terá um pequeno resumo dos resultados. Um dos componentes do cão é o time. series. que contém a série resultante (sazonal, tendência, restante). Para ver este componente do cão objeto. você digita dogtime. series (e você verá 3 séries, a última das quais contém os resíduos). E essa é a história de. você verá mais exemplos à medida que avançamos. E agora, bem, faça um problema no Capítulo 2. Vamos ajustar o log de regressão (jj) betatime alfa 1 Q1 alfa 2 Q2 alfa 3 Q3 alfa 4 Q4 epsilon onde Qi é um indicador do trimestre i 1,2,3,4 . Então inspecione bem os resíduos. Você pode ver a matriz do modelo (com as variáveis ​​dummy) desta maneira: Agora verifique o que aconteceu. Veja um gráfico das observações e seus valores ajustados: o que mostra que um gráfico dos dados com o ajuste sobreposto não vale o ciberespaço que ele ocupa. Mas um gráfico dos resíduos e do ACF dos resíduos vale seu peso em joules: Esses resíduos parecem brancos Ignore a correlação de 0-lag, é sempre 1. Dica: a resposta é NÃO. então a regressão acima é nula. Então, qual é o remédio Desculpe, você terá que fazer a aula porque esta não é uma lição de série temporal. Eu te avisei no topo. Você precisa ter cuidado ao regredir uma série temporal em componentes com atraso de outro usando lm (). Existe um pacote chamado dynlm que facilita o ajuste de regressões defasadas, e discutirei isso logo após este exemplo. Se você usar lm (). então o que você tem que fazer é amarrar a série usando ts. intersect. Se você não amarrar a série juntos, eles não serão alinhados corretamente. Aqui está um exemplo de mortalidade cardiovascular semanal regressiva (cmort) na poluição de partículas (parte) pelo valor presente e ficou para trás quatro semanas (cerca de um mês). Para detalhes sobre o conjunto de dados, consulte o Capítulo 2. Certifique-se de que o astsa esteja carregado. Nota: Não houve necessidade de renomear lag (part, -4) para part4. é apenas um exemplo do que você pode fazer. Uma alternativa ao acima é o dynlm pacote que tem que ser instalado, é claro (como fizemos para astsa lá no início). Depois que o pacote é instalado, você pode fazer o exemplo anterior da seguinte maneira: Bem, é hora de simular. O cavalo de batalha para simulações ARIMA é arima. sim (). Aqui estão alguns exemplos que nenhuma saída é mostrada aqui, então você está sozinho. Usando astsa é fácil encaixar um modelo ARIMA: Você pode estar se perguntando sobre a diferença entre aic e AIC acima. Para isso você tem que ler o texto ou simplesmente não se preocupe porque não vale a pena arruinar o seu dia pensando nisso. E sim, esses resíduos parecem brancos. Se você quiser fazer uma previsão ARIMA, o sarima. for está incluído no astsa. E agora para alguma regressão com erros autocorrelacionados. Vamos encaixar o modelo M t alpha betat gammaPt e t onde Mt e Pt são as séries de mortalidade (cmort) e de partículas (parte), e e t é erro autocorrelacionado. Primeiro, faça um ajuste OLS e verifique os resíduos: Agora, ajuste o modelo A análise residual (não mostrada) parece perfeita. Heres um modelo ARMAX, M t beta 0 phi 1 M t-1 phi 2 M t-2 beta 1 t beta 2 T t-1 beta 3 P t beta 4 P t-4 e t. onde e t é possivelmente autocorrelacionado. Primeiro nós tentamos e ARMAX (p2, q0), então olhamos os resíduos e percebemos que não há correlação, então foi feito. Finalmente, uma análise espectral rápida: Isso é tudo por agora. Se você quiser mais gráficos de séries temporais, consulte a página de Correção rápida de gráficos. Mover médias em R Pelo que eu saiba, R não tem uma função interna para calcular as médias móveis. Usando a função de filtro, no entanto, podemos escrever uma função curta para médias móveis: Podemos usar a função em qualquer dado: mav (data), ou mav (data, 11) se quisermos especificar um número diferente de pontos de dados do que o padrão 5 plotagem funciona conforme o esperado: plot (mav (data)). Além do número de pontos de dados sobre os quais calcular a média, também podemos alterar o argumento dos lados das funções de filtro: sides2 usa ambos os lados, sides1 usa apenas valores passados. Compartilhe isso: Navegar pela publicação Navegação de comentários Navegação de comentáriosUsando R para Análise de Séries Temporais Análise de Séries Temporais Este livreto mostra como usar o software estatístico R para realizar algumas análises simples que são comuns na análise de dados de séries temporais. Este livreto pressupõe que o leitor tenha algum conhecimento básico de análise de séries temporais, e o foco principal do livreto não é explicar a análise de séries temporais, mas sim explicar como realizar essas análises usando R. Se você é novo na série temporal Para obter mais informações sobre qualquer um dos conceitos aqui apresentados, recomendo o livro da Open University 8220Time series8221 (código do produto M249 / 02), disponível na Open University Shop. Neste livreto, utilizarei conjuntos de dados de séries temporais que foram gentilmente disponibilizados por Rob Hyndman em sua Biblioteca de Dados de Séries Temporais em robjhyndman / TSDL /. Se você gostou deste livreto, você também pode checar meu livreto sobre o uso de R para estatísticas biomédicas, a-little-book-of-r-for-biomedical-statistics. readthedocs. org/. e meu livreto sobre o uso de R para análise multivariada, little-book-of-r-for-multivariate-analysis. readthedocs. org/. Lendo dados de séries temporais A primeira coisa que você desejará fazer para analisar seus dados de séries temporais será lê-los em R e plotar as séries temporais. Você pode ler os dados no R usando a função scan (), que assume que os dados para pontos de tempo sucessivos estão em um arquivo de texto simples com uma coluna. Por exemplo, o arquivo robjhyndman / tsdldata / misc / kings. dat contém dados sobre a idade da morte de sucessivos reis da Inglaterra, começando com William the Conqueror (fonte original: Hipel e Mcleod, 1994). O conjunto de dados é assim: Apenas as primeiras linhas do arquivo foram exibidas. As primeiras três linhas contêm algum comentário sobre os dados, e queremos ignorar isso quando lemos os dados em R. Podemos usar isso usando o parâmetro 8220skip8221 da função scan (), que especifica quantas linhas no topo o arquivo a ser ignorado. Para ler o arquivo em R, ignorando as três primeiras linhas, nós digitamos: Neste caso, a idade de morte de 42 reis sucessivos da Inglaterra foi lida na variável 8216kings8217. Depois de ler os dados da série temporal em R, a próxima etapa é armazenar os dados em um objeto de série temporal em R, para que você possa usar várias funções do R8217 para analisar dados de séries temporais. Para armazenar os dados em um objeto de série temporal, usamos a função ts () em R. Por exemplo, para armazenar os dados na variável 8216kings8217 como um objeto de série temporal em R, digitamos: Às vezes, o conjunto de dados da série temporal que você pode ter sido coletado em intervalos regulares que foram menos de um ano, por exemplo, mensal ou trimestral. Nesse caso, você pode especificar o número de vezes que os dados foram coletados por ano usando o parâmetro 8216frequency8217 na função ts (). Para dados de séries temporais mensais, você define a frequência12, enquanto para dados de séries temporais trimestrais, você define a frequência4. Você também pode especificar o primeiro ano em que os dados foram coletados e o primeiro intervalo nesse ano usando o parâmetro 8216start8217 na função ts (). Por exemplo, se o primeiro ponto de dados corresponder ao segundo trimestre de 1986, você definiria startc (1986,2). Um exemplo é um conjunto de dados do número de nascimentos por mês na cidade de Nova York, de janeiro de 1946 a dezembro de 1959 (originalmente coletado por Newton). Esses dados estão disponíveis no arquivo robjhyndman / tsdldata / data / nybirths. dat Podemos ler os dados em R e armazená-los como um objeto de série temporal, digitando: Da mesma forma, o arquivo robjhyndman / tsdldata / data / fancy. dat contém vendas mensais para uma loja de souvenirs em uma cidade turística de Queensland, Austrália, de janeiro de 1987 a dezembro de 1993 (dados originais de Wheelwright e Hyndman, 1998). Podemos ler os dados em R digitando: Plotting Time Series Depois de ler uma série temporal em R, o próximo passo é geralmente fazer um gráfico dos dados da série temporal, o que você pode fazer com a função plot. ts (). em R. Por exemplo, para traçar a série temporal da idade de morte de 42 reis sucessivos da Inglaterra, nós digamos: Podemos ver a partir do gráfico de tempo que esta série temporal poderia provavelmente ser descrita usando um modelo aditivo, desde as flutuações aleatórias nos dados são aproximadamente constantes em tamanho ao longo do tempo. Da mesma forma, para plotar as séries temporais do número de nascimentos por mês na cidade de Nova York, digitamos: Podemos ver nesta série temporal que parece haver variação sazonal no número de nascimentos por mês: há um pico todo verão e um vale todo inverno. Novamente, parece que essa série temporal provavelmente poderia ser descrita usando um modelo aditivo, já que as flutuações sazonais são aproximadamente constantes em tamanho ao longo do tempo e não parecem depender do nível da série temporal, e as flutuações aleatórias também parecem ser aproximadamente constante em tamanho ao longo do tempo. Da mesma forma, para plotar as séries temporais das vendas mensais da loja de souvenirs em uma cidade de veraneio em Queensland, Austrália, nós digitamos: Nesse caso, parece que um modelo aditivo não é apropriado para descrever essa série temporal, já que o tamanho das flutuações sazonais e flutuações aleatórias parecem aumentar com o nível da série temporal. Assim, podemos precisar transformar a série temporal para obter uma série temporal transformada que possa ser descrita usando um modelo aditivo. Por exemplo, podemos transformar a série temporal calculando o log natural dos dados originais: Aqui podemos ver que o tamanho das flutuações sazonais e as flutuações aleatórias nas séries temporais transformadas por log parecem ser aproximadamente constantes ao longo do tempo, e não depende do nível da série temporal. Assim, a série temporal transformada em log provavelmente pode ser descrita usando um modelo aditivo. Decompondo séries temporais Decompor uma série temporal significa separá-la em seus componentes constituintes, que geralmente são um componente de tendência e um componente irregular, e se for uma série temporal sazonal, um componente sazonal. Decomposição de dados não sazonais Uma série temporal não sazonal consiste em um componente de tendência e um componente irregular. Decompor a série temporal envolve tentar separar a série temporal nesses componentes, ou seja, estimar o componente de tendência e o componente irregular. Para estimar o componente de tendência de uma série temporal não sazonal que pode ser descrita usando um modelo aditivo, é comum usar um método de suavização, como o cálculo da média móvel simples da série temporal. A função SMA () no pacote 8220TTR8221 R pode ser usada para suavizar dados de séries temporais usando uma média móvel simples. Para usar essa função, primeiro precisamos instalar o pacote 8220TTR8221 R (para obter instruções sobre como instalar um pacote R, consulte Como instalar um pacote R). Depois de instalar o pacote 8220TTR8221 R, você pode carregar o pacote 8220TTR8221 R digitando: Você pode usar a função 8220SMA () 8221 para suavizar os dados da série temporal. Para usar a função SMA (), você precisa especificar a ordem (span) da média móvel simples, usando o parâmetro 8220n8221. Por exemplo, para calcular uma média móvel simples da ordem 5, definimos n5 na função SMA (). Por exemplo, como discutido acima, a série temporal da idade de morte de 42 reis sucessivos da Inglaterra aparece não-sazonal, e provavelmente pode ser descrita usando um modelo aditivo, uma vez que as flutuações aleatórias nos dados são aproximadamente constantes em tamanho sobre time: Assim, podemos tentar estimar o componente de tendência dessa série temporal suavizando usando uma média móvel simples. Para suavizar a série temporal usando uma média móvel simples da ordem 3 e plotar os dados da série temporal suavizada, nós digitamos: Ainda parece haver muitas flutuações aleatórias na série temporal suavizada usando uma média móvel simples da ordem 3. Assim, para estimar o componente de tendência com mais precisão, podemos tentar suavizar os dados com uma média móvel simples de uma ordem superior. Isso requer um pouco de tentativa e erro para encontrar a quantidade certa de suavização. Por exemplo, podemos tentar usar uma média móvel simples da ordem 8: Os dados suavizados com uma média móvel simples da ordem 8 fornecem uma imagem mais clara do componente de tendência, e podemos ver que a idade de morte dos reis ingleses parece diminuíram de cerca de 55 anos para cerca de 38 anos durante o reinado dos primeiros 20 reis, e depois aumentaram depois disso para cerca de 73 anos até o final do reinado do quadragésimo rei na série temporal. Decompondo Dados Sazonais Uma série temporal sazonal consiste em um componente de tendência, um componente sazonal e um componente irregular. Decompor a série temporal significa separar a série temporal nesses três componentes, ou seja, estimar esses três componentes. Para estimar o componente de tendência e o componente sazonal de uma série temporal sazonal que pode ser descrita usando um modelo aditivo, podemos usar a função 8220decompose () 8221 em R. Essa função estima a tendência, os componentes sazonais e irregulares de uma série temporal que pode ser descrito usando um modelo aditivo. A função 8220decompose () 8221 retorna um objeto de lista como resultado, onde as estimativas do componente sazonal, componente de tendência e componente irregular são armazenadas em elementos nomeados desses objetos de lista, chamados 8220seasonal8221, 8220trend8221 e 8220random8221, respectivamente. Por exemplo, como discutido acima, a série temporal do número de nascimentos por mês na cidade de Nova York é sazonal, com pico a cada verão e a cada inverno, e provavelmente pode ser descrita usando um modelo aditivo, já que as flutuações sazonais e aleatórias parecem ser aproximadamente constante em tamanho ao longo do tempo: Para estimar a tendência, componentes sazonais e irregulares desta série temporal, nós digitamos: Os valores estimados dos componentes sazonais, tendência e irregular são agora armazenados nas variáveis ​​birthstimeseriescomponentsseasonal, birthstimeseriescomponentstrend e birthstimeseriescomponentsrandom. Por exemplo, podemos imprimir os valores estimados do componente sazonal digitando: Os fatores sazonais estimados são dados para os meses de janeiro a dezembro e são os mesmos para cada ano. O maior fator sazonal é para julho (cerca de 1,46), e o menor é para fevereiro (cerca de -2,08), indicando que parece haver um pico nos nascimentos em julho e um mínimo nos nascimentos em fevereiro de cada ano. Podemos traçar a tendência estimada, componentes sazonais e irregulares da série temporal usando a função 8220plot () 8221, por exemplo: O gráfico acima mostra a série temporal original (superior), o componente de tendência estimado (segundo a partir do topo), o componente sazonal estimado (terceiro a partir do topo) e o componente irregular estimado (parte inferior). Vemos que o componente de tendência estimada mostra uma pequena diminuição de cerca de 24 em 1947 para cerca de 22 em 1948, seguido por um aumento constante de então para cerca de 27 em 1959. Ajuste sazonal Se você tiver uma série temporal sazonal que possa ser descrita usando Em um modelo aditivo, você pode ajustar sazonalmente a série temporal estimando o componente sazonal e subtraindo o componente sazonal estimado da série temporal original. Podemos fazer isso usando a estimativa do componente sazonal calculado pela função 8220decompose () 8221. Por exemplo, para ajustar sazonalmente a série temporal do número de nascimentos mensais em Nova York, podemos estimar o componente sazonal usando 8220decompose () 8221 e, em seguida, subtrair o componente sazonal da série temporal original: Podemos, então, plotar série com ajuste sazonal usando a função 8220plot () 8221, digitando: Você pode ver que a variação sazonal foi removida da série temporal ajustada sazonalmente. A série temporal ajustada sazonalmente agora contém apenas o componente de tendência e um componente irregular. As previsões usando a suavização exponencial de suavização exponencial podem ser usadas para fazer previsões de curto prazo para dados de séries temporais. Suavização Exponencial Simples Se você tem uma série temporal que pode ser descrita usando um modelo aditivo com nível constante e sem sazonalidade, é possível usar a suavização exponencial simples para fazer previsões de curto prazo. O método de suavização exponencial simples fornece uma maneira de estimar o nível no ponto de tempo atual. A suavização é controlada pelo parâmetro alfa para a estimativa do nível no ponto de tempo atual. O valor de alfa situa-se entre 0 e 1. Valores de alfa próximos de 0 significam que pouco peso é colocado nas observações mais recentes quando se fazem previsões de valores futuros. Por exemplo, o arquivo robjhyndman / tsdldata / hurst / precip1.dat contém precipitação total anual em polegadas para Londres, de 1813 a 1912 (dados originais de Hipel e McLeod, 1994). Podemos ler os dados em R e plotar digitando: Você pode ver no gráfico que há um nível aproximadamente constante (a média permanece constante em cerca de 25 polegadas). As flutuações aleatórias na série temporal parecem ser aproximadamente constantes em tamanho ao longo do tempo, portanto, é provavelmente apropriado descrever os dados usando um modelo aditivo. Assim, podemos fazer previsões usando suavização exponencial simples. Para fazer previsões usando suavização exponencial simples em R, podemos ajustar um simples modelo preditivo de suavização exponencial usando a função 8220HoltWinters () 8221 em R. Para usar HoltWinters () para simples suavização exponencial, precisamos definir os parâmetros betaFALSE e gammaFALSE no Função HoltWinters () (os parâmetros beta e gama são usados ​​para suavização exponencial de Holt8217s ou suavização exponencial de Holt-Winters, conforme descrito abaixo). A função HoltWinters () retorna uma variável de lista, que contém vários elementos nomeados. Por exemplo, para usar a suavização exponencial simples para fazer previsões para as séries temporais de precipitação anual em Londres, digitamos: A saída de HoltWinters () nos diz que o valor estimado do parâmetro alfa é de aproximadamente 0,024. Isso é muito próximo de zero, dizendo que as previsões são baseadas em observações recentes e menos recentes (embora um pouco mais de peso seja colocado em observações recentes). Por padrão, HoltWinters () apenas faz previsões para o mesmo período de tempo coberto por nossa série temporal original. Neste caso, nossa série temporal original incluiu chuvas para Londres de 1813 a 1912, portanto as previsões também são para 1813-1912. No exemplo acima, armazenamos a saída da função HoltWinters () na variável de lista 8220rainseriesforecasts8221. As previsões feitas por HoltWinters () são armazenadas em um elemento nomeado dessa variável de lista chamado 8220fitted8221, para que possamos obter seus valores digitando: Podemos plotar a série temporal original em relação às previsões digitando: O gráfico mostra a série temporal original em preto, e as previsões como uma linha vermelha. A série temporal de previsões é muito mais suave do que a série temporal dos dados originais aqui. Como uma medida da precisão das previsões, podemos calcular a soma dos erros quadrados para os erros de previsão na amostra, ou seja, os erros de previsão para o período de tempo abrangido por nossa série temporal original. Os erros de soma quadrada são armazenados em um elemento nomeado da variável de lista 8220rainseriesforecasts8221 chamado 8220SSE8221, portanto, podemos obter seu valor digitando: Ou seja, aqui, a soma dos erros quadrados é 1828.855. É comum em suavização exponencial simples usar o primeiro valor na série temporal como o valor inicial do nível. Por exemplo, na série temporal de precipitação em Londres, o primeiro valor é 23,56 (polegadas) para precipitação em 1813. Você pode especificar o valor inicial para o nível na função HoltWinters () usando o parâmetro 8220l. start8221. Por exemplo, para fazer previsões com o valor inicial do nível definido como 23.56, nós digitamos: Como explicado acima, por padrão HoltWinters () apenas faz previsões para o período de tempo coberto pelos dados originais, que é 1813-1912 para a chuva série temporal. Podemos fazer previsões para mais pontos de tempo usando a função 8220forecast. HoltWinters () 8221 no pacote R 8220forecast8221. Para usar a função forecast. HoltWinters (), primeiro precisamos instalar o pacote 8220forecast8221 R (para obter instruções sobre como instalar um pacote R, consulte Como instalar um pacote R). Depois de instalar o pacote 8220forecast8221 R, você pode carregar o pacote 8220forecast8221 R digitando: Ao usar a função forecast. HoltWinters (), como seu primeiro argumento (entrada), você passa o modelo preditivo que você já ajustou usando o Função HoltWinters (). Por exemplo, no caso da série temporal de precipitação, armazenamos o modelo preditivo feito usando HoltWinters () na variável 8220rainseriesforecasts8221. Você especifica quantos pontos de tempo adicionais deseja fazer previsões usando o parâmetro 8220h8221 em forecast. HoltWinters (). Por exemplo, para fazer uma previsão de precipitação para os anos 1814-1820 (mais 8 anos) usando forecast. HoltWinters (), digitamos: A função forecast. HoltWinters () fornece a previsão para um ano, um intervalo de previsão de 80 para a previsão e um intervalo de previsão 95 para a previsão. Por exemplo, a precipitação prevista para 1920 é de cerca de 24,68 polegadas, com um intervalo de previsão de 95 (16,24, 33,11). Para traçar as previsões feitas por forecast. HoltWinters (), podemos usar a função 8220plot. forecast () 8221: Aqui as previsões para 1913-1920 são plotadas como uma linha azul, o intervalo de previsão de 80 como uma área sombreada de laranja e a 95 intervalo de previsão como uma área sombreada em amarelo. Os 8216 erros de previsão8217 são calculados como os valores observados menos os valores previstos, para cada ponto de tempo. Só podemos calcular os erros de previsão para o período de tempo abrangido pela nossa série temporal original, que é 1813-1912 para os dados de precipitação. Como mencionado acima, uma medida da precisão do modelo preditivo é a soma dos erros quadrados (SSE) para os erros de previsão na amostra. Os erros de previsão na amostra são armazenados no elemento nomeado 8220residuals8221 da variável de lista retornada pela previsão. HoltWinters (). Se o modelo preditivo não puder ser aprimorado, não deverá haver correlações entre os erros de previsão para previsões sucessivas. Em outras palavras, se houver correlações entre erros de previsão para previsões sucessivas, é provável que as previsões de suavização exponencial simples possam ser melhoradas por outra técnica de previsão. Para descobrir se esse é o caso, podemos obter um correlograma dos erros de previsão na amostra para os lags 1-20. Podemos calcular um correlograma dos erros de previsão usando a função 8220acf () 8221 em R. Para especificar o atraso máximo que queremos observar, usamos o parâmetro 8220lag. max8221 em acf (). Por exemplo, para calcular um correlograma dos erros de previsão na amostra para os dados de precipitação de Londres para as defasagens de 1 a 20, digitamos: Você pode ver no correlograma de amostra que a autocorrelação na defasagem 3 está tocando apenas os limites de significância. Para testar se há evidência significativa de correlações diferentes de zero nas defasagens 1-20, podemos realizar um teste de Ljung-Box. Isso pode ser feito em R usando a função 8220Box. test () 8221. O atraso máximo que queremos observar é especificado usando o parâmetro 8220lag8221 na função Box. test (). Por exemplo, para testar se há autocorrelações diferentes de zero nos lags de 1 a 20, para os erros de previsão na amostra dos dados de precipitação de Londres, digitamos: Aqui, a estatística do teste Ljung-Box é 17,4 e o p-valor é 0,6 , portanto, há pouca evidência de autocorrelações diferentes de zero nos erros de previsão na amostra nas lags 1-20. Para ter certeza de que o modelo preditivo não pode ser aprimorado, também é uma boa idéia verificar se os erros de previsão são normalmente distribuídos com média zero e variância constante. Para verificar se os erros de previsão têm variância constante, podemos criar um gráfico de tempo dos erros de previsão na amostra: O gráfico mostra que os erros de previsão na amostra parecem ter variância aproximadamente constante ao longo do tempo, embora o tamanho das flutuações o início da série temporal (1820-1830) pode ser ligeiramente menor do que em datas posteriores (por exemplo, 1840-1850). Para verificar se os erros de previsão são normalmente distribuídos com média zero, podemos traçar um histograma dos erros de previsão, com uma curva normal sobreposta que tenha média zero e o mesmo desvio padrão que a distribuição dos erros de previsão. Para fazer isso, podemos definir uma função R 8220plotForecastErrors () 8221, abaixo: Você terá que copiar a função acima em R para usá-la. Você pode então usar plotForecastErrors () para plotar um histograma (com curva normal sobreposta) dos erros de previsão para as previsões de precipitação: O gráfico mostra que a distribuição de erros de previsão é centrada aproximadamente em zero e é distribuída mais ou menos normalmente. parece estar ligeiramente inclinado para a direita em comparação com uma curva normal. No entanto, a inclinação da direita é relativamente pequena e, portanto, é plausível que os erros de previsão sejam normalmente distribuídos com média zero. O teste de Ljung-Box mostrou que há poucas evidências de autocorrelações diferentes de zero nos erros de previsão da amostra, e a distribuição dos erros de previsão parece estar distribuída normalmente com média zero. Isso sugere que o método de suavização exponencial simples fornece um modelo preditivo adequado para as chuvas de Londres, o que provavelmente não pode ser melhorado. Além disso, os pressupostos de que os intervalos de previsão 80 e 95 foram baseados (que não há autocorrelações nos erros de previsão e os erros de previsão são normalmente distribuídos com média zero e variância constante) são provavelmente válidos. Suavização exponencial de Holt8217s Se você tem uma série temporal que pode ser descrita usando um modelo aditivo com tendência crescente ou decrescente e sem sazonalidade, é possível usar a suavização exponencial de Holt8217s para fazer previsões de curto prazo. A suavização exponencial de Holt8217s estima o nível e a inclinação no ponto de tempo atual. A suavização é controlada por dois parâmetros, alfa, para a estimativa do nível no ponto de tempo atual e beta para a estimativa da inclinação b do componente de tendência no ponto de tempo atual. Tal como acontece com a simples suavização exponencial, os parâmetros alfa e beta têm valores entre 0 e 1, e valores próximos de 0 significam que pouco peso é colocado nas observações mais recentes quando se fazem previsões de valores futuros. Um exemplo de uma série temporal que provavelmente pode ser descrita usando um modelo aditivo com uma tendência e sem sazonalidade é a série temporal do diâmetro anual das saias das mulheres na bainha, de 1866 a 1911. Os dados estão disponíveis no arquivo robjhyndman / tsdldata / roberts / skirts. dat (dados originais de Hipel e McLeod, 1994). Podemos ler e plotar os dados em R digitando: Podemos ver no gráfico que houve um aumento no diâmetro da bainha de cerca de 600 em 1866 para cerca de 1050 em 1880, e que depois o diâmetro da bainha diminuiu para cerca de 520 em 1911 Para fazer previsões, podemos ajustar um modelo preditivo usando a função HoltWinters () em R. Para usar HoltWinters () para suavização exponencial de Holt8217s, precisamos definir o parâmetro gammaFALSE (o parâmetro gama é usado para suavização exponencial de Holt-Winters, como descrito abaixo). Por exemplo, para usar a suavização exponencial de Holt8217s para ajustar um modelo preditivo para o diâmetro da barra da saia, nós digitamos: O valor estimado de alfa é 0,84 e de beta é 1,00. Ambos são altos, nos dizendo que tanto a estimativa do valor atual do nível, quanto a inclinação b do componente de tendência, são baseados principalmente em observações muito recentes na série temporal. Isso faz um bom sentido intuitivo, já que o nível e a inclinação da série temporal mudam bastante ao longo do tempo. O valor dos erros soma-de-quadrado para os erros de previsão na amostra é 16954. Podemos plotar a série temporal original como uma linha preta, com os valores previstos como uma linha vermelha em cima disso, digitando: Podemos ver pela imagem que as previsões na amostra concordam muito bem com os valores observados, embora eles tendam a ficar um pouco atrás dos valores observados. Se desejar, você pode especificar os valores iniciais do nível e a inclinação b do componente de tendência usando os argumentos 8220l. start8221 e 8220b. start8221 para a função HoltWinters (). É comum definir o valor inicial do nível para o primeiro valor da série temporal (608 para os dados das saias) e o valor inicial da inclinação para o segundo valor menos o primeiro valor (9 para os dados das saias). Por exemplo, para ajustar um modelo preditivo aos dados da bainha da saia usando a suavização exponencial de Holt8217s, com valores iniciais de 608 para o nível e 9 para a inclinação b do componente de tendência, nós digitamos: Quanto à suavização exponencial simples, podemos fazer previsões para tempos futuros não cobertos pela série temporal original usando a função forecast. HoltWinters () no pacote 8220forecast8221. Por exemplo, nossos dados de séries temporais para bainhas de saias foram de 1866 a 1911, para que possamos fazer previsões para 1912 a 1930 (mais 19 pontos de dados) e plotá-los digitando: As previsões são mostradas como uma linha azul, com as 80 intervalos de previsão como uma área sombreada em laranja e os 95 intervalos de previsão como uma área sombreada em amarelo. Quanto à suavização exponencial simples, podemos verificar se o modelo preditivo poderia ser melhorado verificando se os erros de previsão na amostra mostram autocorrelações diferentes de zero nos lags 1-20. Por exemplo, para os dados da bainha da saia, podemos fazer um correlograma e executar o teste Ljung-Box digitando: Aqui, o correlograma mostra que a autocorrelação da amostra para os erros de previsão na amostra no atraso 5 excede os limites de significância. No entanto, esperamos que uma em 20 das autocorrelações para as primeiras vinte defasagens excedam os 95 limites de significância apenas pelo acaso. De fato, quando realizamos o teste Ljung-Box, o valor de p é 0,47, indicando que há poucas evidências de autocorrelações diferentes de zero nos erros de previsão na amostra nas defasagens 1-20. Quanto à suavização exponencial simples, devemos também verificar se os erros de previsão têm variância constante ao longo do tempo e são normalmente distribuídos com média zero. Podemos fazer isso fazendo um gráfico de tempo dos erros de previsão e um histograma da distribuição dos erros de previsão com uma curva normal sobreposta: O gráfico de tempo dos erros de previsão mostra que os erros de previsão têm uma variância aproximadamente constante ao longo do tempo. O histograma de erros de previsão mostra que é plausível que os erros de previsão sejam normalmente distribuídos com média zero e variância constante. Assim, o teste Ljung-Box mostra que há poucas evidências de autocorrelações nos erros de previsão, enquanto o gráfico de tempo e o histograma de erros de previsão mostram que é plausível que os erros de previsão sejam normalmente distribuídos com média zero e variância constante. Portanto, podemos concluir que a suavização exponencial de Holt8217 fornece um modelo preditivo adequado para os diâmetros da barra da saia, o que provavelmente não pode ser melhorado. Além disso, isso significa que as hipóteses sobre as quais os intervalos de previsão 80 e 95 foram baseados provavelmente são válidas. Suavização Exponencial Holt-Winters Se você tem uma série temporal que pode ser descrita usando um modelo aditivo com tendência crescente ou decrescente de tendência e sazonalidade, é possível usar a suavização exponencial de Holt-Winters para fazer previsões de curto prazo. A suavização exponencial de Holt-Winters estima o nível, inclinação e componente sazonal no ponto de tempo atual. A suavização é controlada por três parâmetros: alfa, beta e gama, para as estimativas do nível, inclinação b do componente de tendência e componente sazonal, respectivamente, no ponto de tempo atual. Os parâmetros alfa, beta e gama têm valores entre 0 e 1, e valores próximos de 0 significam que relativamente pouco peso é colocado nas observações mais recentes quando se fazem previsões de valores futuros. Um exemplo de uma série temporal que provavelmente pode ser descrita usando um modelo aditivo com tendência e sazonalidade é a série temporal do log de vendas mensais da loja de souvenirs em uma cidade de veraneio em Queensland, Austrália (discutido acima): previsões, podemos ajustar um modelo preditivo usando a função HoltWinters (). Por exemplo, para ajustar um modelo preditivo para o registro das vendas mensais na loja de souvenirs, nós digitamos: Os valores estimados de alfa, beta e gama são 0,41, 0,00 e 0,96, respectivamente. O valor de alfa (0,41) é relativamente baixo, indicando que a estimativa do nível no momento atual é baseada em observações recentes e algumas observações no passado mais distante. O valor de beta é 0,00, indicando que a estimativa da inclinação b do componente de tendência não é atualizada sobre a série temporal e, em vez disso, é definida como igual ao seu valor inicial. Isso faz um bom sentido intuitivo, pois o nível muda bastante ao longo da série temporal, mas a inclinação b do componente de tendência permanece praticamente a mesma. Em contraste, o valor de gama (0,96) é alto, indicando que a estimativa do componente sazonal no ponto de tempo atual é baseada apenas em observações muito recentes. Quanto à suavização exponencial simples e suavização exponencial de Holt8217s, podemos traçar a série temporal original como uma linha preta, com os valores previstos como uma linha vermelha em cima disso: Vimos no gráfico que o método exponencial de Holt-Winters é muito bem sucedido na previsão dos picos sazonais, que ocorrem aproximadamente em novembro de cada ano. Para fazer previsões para tempos futuros não incluídos na série temporal original, usamos a função 8220forecast. HoltWinters () 8221 no pacote 8220forecast8221. Por exemplo, os dados originais para as vendas de souvenirs são de janeiro de 1987 a dezembro de 1993. Se quiséssemos fazer previsões de janeiro de 1994 a dezembro de 1998 (mais 48 meses) e plotar as previsões, digitaríamos: As previsões são mostradas como uma linha azul e as áreas sombreadas laranja e amarela mostram intervalos de previsão de 80 e 95, respectivamente. Podemos investigar se o modelo preditivo pode ser melhorado verificando se os erros de previsão na amostra mostram autocorrelações diferentes de zero nos lags 1-20, fazendo um correlograma e realizando o teste de Ljung-Box: O correlograma mostra que as autocorrelações os erros de previsão na amostra não excedem os limites de significância para as defasagens 1-20. Além disso, o valor de p para o teste de Ljung-Box é 0,6, indicando que há pouca evidência de autocorrelações diferentes de zero nas defasagens 1-20. Podemos verificar se os erros de previsão têm variância constante ao longo do tempo e são normalmente distribuídos com média zero, fazendo um gráfico de tempo dos erros de previsão e um histograma (com curva normal sobreposta): A partir do gráfico de tempo, parece plausível que os erros de previsão têm variância constante ao longo do tempo. From the histogram of forecast errors, it seems plausible that the forecast errors are normally distributed with mean zero. Thus, there is little evidence of autocorrelation at lags 1-20 for the forecast errors, and the forecast errors appear to be normally distributed with mean zero and constant variance over time. This suggests that Holt-Winters exponential smoothing provides an adequate predictive model of the log of sales at the souvenir shop, which probably cannot be improved upon. Furthermore, the assumptions upon which the prediction intervals were based are probably valid. ARIMA Models Exponential smoothing methods are useful for making forecasts, and make no assumptions about the correlations between successive values of the time series. However, if you want to make prediction intervals for forecasts made using exponential smoothing methods, the prediction intervals require that the forecast errors are uncorrelated and are normally distributed with mean zero and constant variance. While exponential smoothing methods do not make any assumptions about correlations between successive values of the time series, in some cases you can make a better predictive model by taking correlations in the data into account. Autoregressive Integrated Moving Average (ARIMA) models include an explicit statistical model for the irregular component of a time series, that allows for non-zero autocorrelations in the irregular component. Differencing a Time Series ARIMA models are defined for stationary time series. Therefore, if you start off with a non-stationary time series, you will first need to 8216difference8217 the time series until you obtain a stationary time series. If you have to difference the time series d times to obtain a stationary series, then you have an ARIMA(p, d,q) model, where d is the order of differencing used. You can difference a time series using the 8220diff()8221 function in R. For example, the time series of the annual diameter of women8217s skirts at the hem, from 1866 to 1911 is not stationary in mean, as the level changes a lot over time: We can difference the time series (which we stored in 8220skirtsseries8221, see above) once, and plot the differenced series, by typing: The resulting time series of first differences (above) does not appear to be stationary in mean. Therefore, we can difference the time series twice, to see if that gives us a stationary time series: Formal tests for stationarity Formal tests for stationarity called 8220unit root tests8221 are available in the fUnitRoots package, available on CRAN, but will not be discussed here. The time series of second differences (above) does appear to be stationary in mean and variance, as the level of the series stays roughly constant over time, and the variance of the series appears roughly constant over time. Thus, it appears that we need to difference the time series of the diameter of skirts twice in order to achieve a stationary series. If you need to difference your original time series data d times in order to obtain a stationary time series, this means that you can use an ARIMA(p, d,q) model for your time series, where d is the order of differencing used. For example, for the time series of the diameter of women8217s skirts, we had to difference the time series twice, and so the order of differencing (d) is 2. This means that you can use an ARIMA(p,2,q) model for your time series. The next step is to figure out the values of p and q for the ARIMA model. Another example is the time series of the age of death of the successive kings of England (see above): From the time plot (above), we can see that the time series is not stationary in mean. To calculate the time series of first differences, and plot it, we type: The time series of first differences appears to be stationary in mean and variance, and so an ARIMA(p,1,q) model is probably appropriate for the time series of the age of death of the kings of England. By taking the time series of first differences, we have removed the trend component of the time series of the ages at death of the kings, and are left with an irregular component. We can now examine whether there are correlations between successive terms of this irregular component if so, this could help us to make a predictive model for the ages at death of the kings. Selecting a Candidate ARIMA Model If your time series is stationary, or if you have transformed it to a stationary time series by differencing d times, the next step is to select the appropriate ARIMA model, which means finding the values of most appropriate values of p and q for an ARIMA(p, d,q) model. To do this, you usually need to examine the correlogram and partial correlogram of the stationary time series. To plot a correlogram and partial correlogram, we can use the 8220acf()8221 and 8220pacf()8221 functions in R, respectively. To get the actual values of the autocorrelations and partial autocorrelations, we set 8220plotFALSE8221 in the 8220acf()8221 and 8220pacf()8221 functions. Example of the Ages at Death of the Kings of England For example, to plot the correlogram for lags 1-20 of the once differenced time series of the ages at death of the kings of England, and to get the values of the autocorrelations, we type: We see from the correlogram that the autocorrelation at lag 1 (-0.360) exceeds the significance bounds, but all other autocorrelations between lags 1-20 do not exceed the significance bounds. To plot the partial correlogram for lags 1-20 for the once differenced time series of the ages at death of the English kings, and get the values of the partial autocorrelations, we use the 8220pacf()8221 function, by typing: The partial correlogram shows that the partial autocorrelations at lags 1, 2 and 3 exceed the significance bounds, are negative, and are slowly decreasing in magnitude with increasing lag (lag 1: -0.360, lag 2: -0.335, lag 3:-0.321). The partial autocorrelations tail off to zero after lag 3. Since the correlogram is zero after lag 1, and the partial correlogram tails off to zero after lag 3, this means that the following ARMA (autoregressive moving average) models are possible for the time series of first differences: an ARMA(3,0) model, that is, an autoregressive model of order p3, since the partial autocorrelogram is zero after lag 3, and the autocorrelogram tails off to zero (although perhaps too abruptly for this model to be appropriate) an ARMA(0,1) model, that is, a moving average model of order q1, since the autocorrelogram is zero after lag 1 and the partial autocorrelogram tails off to zero an ARMA(p, q) model, that is, a mixed model with p and q greater than 0, since the autocorrelogram and partial correlogram tail off to zero (although the correlogram probably tails off to zero too abruptly for this model to be appropriate) We use the principle of parsimony to decide which model is best: that is, we assum e that the model with the fewest parameters is best. The ARMA(3,0) model has 3 parameters, the ARMA(0,1) model has 1 parameter, and the ARMA(p, q) model has at least 2 parameters. Therefore, the ARMA(0,1) model is taken as the best model. An ARMA(0,1) model is a moving average model of order 1, or MA(1) model. This model can be written as: Xt - mu Zt - (theta Zt-1), where Xt is the stationary time series we are studying (the first differenced series of ages at death of English kings), mu is the mean of time series Xt, Zt is white noise with mean zero and constant variance, and theta is a parameter that can be estimated. A MA (moving average) model is usually used to model a time series that shows short-term dependencies between successive observations. Intuitively, it makes good sense that a MA model can be used to describe the irregular component in the time series of ages at death of English kings, as we might expect the age at death of a particular English king to have some effect on the ages at death of the next king or two, but not much effect on the ages at death of kings that reign much longer after that. Shortcut: the auto. arima() function The auto. arima() function can be used to find the appropriate ARIMA model, eg. type 8220library(forecast)8221, then 8220auto. arima(kings)8221. The output says an appropriate model is ARIMA(0,1,1). Since an ARMA(0,1) model (with p0, q1) is taken to be the best candidate model for the time series of first differences of the ages at death of English kings, then the original time series of the ages of death can be modelled using an ARIMA(0,1,1) model (with p0, d1, q1, where d is the order of differencing required). Example of the Volcanic Dust Veil in the Northern Hemisphere Let8217s take another example of selecting an appropriate ARIMA model. The file file robjhyndman/tsdldata/annual/dvi. dat contains data on the volcanic dust veil index in the northern hemisphere, from 1500-1969 (original data from Hipel and Mcleod, 1994). This is a measure of the impact of volcanic eruptions8217 release of dust and aerosols into the environment. We can read it into R and make a time plot by typing: From the time plot, it appears that the random fluctuations in the time series are roughly constant in size over time, so an additive model is probably appropriate for describing this time series. Furthermore, the time series appears to be stationary in mean and variance, as its level and variance appear to be roughly constant over time. Therefore, we do not need to difference this series in order to fit an ARIMA model, but can fit an ARIMA model to the original series (the order of differencing required, d, is zero here). We can now plot a correlogram and partial correlogram for lags 1-20 to investigate what ARIMA model to use: We see from the correlogram that the autocorrelations for lags 1, 2 and 3 exceed the significance bounds, and that the autocorrelations tail off to zero after lag 3. The autocorrelations for lags 1, 2, 3 are positive, and decrease in magnitude with increasing lag (lag 1: 0.666, lag 2: 0.374, lag 3: 0.162). The autocorrelation for lags 19 and 20 exceed the significance bounds too, but it is likely that this is due to chance, since they just exceed the significance bounds (especially for lag 19), the autocorrelations for lags 4-18 do not exceed the signifiance bounds, and we would expect 1 in 20 lags to exceed the 95 significance bounds by chance alone. From the partial autocorrelogram, we see that the partial autocorrelation at lag 1 is positive and exceeds the significance bounds (0.666), while the partial autocorrelation at lag 2 is negative and also exceeds the significance bounds (-0.126). The partial autocorrelations tail off to zero after lag 2. Since the correlogram tails off to zero after lag 3, and the partial correlogram is zero after lag 2, the following ARMA models are possible for the time series: an ARMA(2,0) model, since the partial autocorrelogram is zero after lag 2, and the correlogram tails off to zero after lag 3, and the partial correlogram is zero after lag 2 an ARMA(0,3) model, since the autocorrelogram is zero after lag 3, and the partial correlogram tails off to zero (although perhaps too abruptly for this model to be appropriate) an ARMA(p, q) mixed model, since the correlogram and partial correlogram tail off to zero (although the partial correlogram perhaps tails off too abruptly for this model to be appropriate) Shortcut: the auto. arima() function Again, we can use auto. arima() to find an appropriate model, by typing 8220auto. arima(volcanodust)8221, which gives us ARIMA(1,0,2), which has 3 parameters. However, different criteria can be used to select a model (see auto. arima() help page). If we use the 8220bic8221 criterion, which penalises the number of parameters, we get ARIMA(2,0,0), which is ARMA(2,0): 8220auto. arima(volcanodust, ic8221bic8221)8221. The ARMA(2,0) model has 2 parameters, the ARMA(0,3) model has 3 parameters, and the ARMA(p, q) model has at least 2 parameters. Therefore, using the principle of parsimony, the ARMA(2,0) model and ARMA(p, q) model are equally good candidate models. An ARMA(2,0) model is an autoregressive model of order 2, or AR(2) model. This model can be written as: Xt - mu (Beta1 (Xt-1 - mu)) (Beta2 (Xt-2 - mu)) Zt, where Xt is the stationary time series we are studying (the time series of volcanic dust veil index), mu is the mean of time series Xt, Beta1 and Beta2 are parameters to be estimated, and Zt is white noise with mean zero and constant variance. An AR (autoregressive) model is usually used to model a time series which shows longer term dependencies between successive observations. Intuitively, it makes sense that an AR model could be used to describe the time series of volcanic dust veil index, as we would expect volcanic dust and aerosol levels in one year to affect those in much later years, since the dust and aerosols are unlikely to disappear quickly. If an ARMA(2,0) model (with p2, q0) is used to model the time series of volcanic dust veil index, it would mean that an ARIMA(2,0,0) model can be used (with p2, d0, q0, where d is the order of differencing required). Similarly, if an ARMA(p, q) mixed model is used, where p and q are both greater than zero, than an ARIMA(p,0,q) model can be used. Forecasting Using an ARIMA Model Once you have selected the best candidate ARIMA(p, d,q) model for your time series data, you can estimate the parameters of that ARIMA model, and use that as a predictive model for making forecasts for future values of your time series. You can estimate the parameters of an ARIMA(p, d,q) model using the 8220arima()8221 function in R. Example of the Ages at Death of the Kings of England For example, we discussed above that an ARIMA(0,1,1) model seems a plausible model for the ages at deaths of the kings of England. You can specify the values of p, d and q in the ARIMA model by using the 8220order8221 argument of the 8220arima()8221 function in R. To fit an ARIMA(p, d,q) model to this time series (which we stored in the variable 8220kingstimeseries8221, see above), we type: As mentioned above, if we are fitting an ARIMA(0,1,1) model to our time series, it means we are fitting an an ARMA(0,1) model to the time series of first differences. An ARMA(0,1) model can be written Xt - mu Zt - (theta Zt-1), where theta is a parameter to be estimated. From the output of the 8220arima()8221 R function (above), the estimated value of theta (given as 8216ma18217 in the R output) is -0.7218 in the case of the ARIMA(0,1,1) model fitted to the time series of ages at death of kings. Specifying the confidence level for prediction intervals You can specify the confidence level for prediction intervals in forecast. Arima() by using the 8220level8221 argument. For example, to get a 99.5 prediction interval, we would type 8220forecast. Arima(kingstimeseriesarima, h5, levelc(99.5))8221. We can then use the ARIMA model to make forecasts for future values of the time series, using the 8220forecast. Arima()8221 function in the 8220forecast8221 R package. For example, to forecast the ages at death of the next five English kings, we type: The original time series for the English kings includes the ages at death of 42 English kings. The forecast. Arima() function gives us a forecast of the age of death of the next five English kings (kings 43-47), as well as 80 and 95 prediction intervals for those predictions. The age of death of the 42nd English king was 56 years (the last observed value in our time series), and the ARIMA model gives the forecasted age at death of the next five kings as 67.8 years. We can plot the observed ages of death for the first 42 kings, as well as the ages that would be predicted for these 42 kings and for the next 5 kings using our ARIMA(0,1,1) model, by typing: As in the case of exponential smoothing models, it is a good idea to investigate whether the forecast errors of an ARIMA model are normally distributed with mean zero and constant variance, and whether the are correlations between successive forecast errors. For example, we can make a correlogram of the forecast errors for our ARIMA(0,1,1) model for the ages at death of kings, and perform the Ljung-Box test for lags 1-20, by typing: Since the correlogram shows that none of the sample autocorrelations for lags 1-20 exceed the significance bounds, and the p-value for the Ljung-Box test is 0.9, we can conclude that there is very little evidence for non-zero autocorrelations in the forecast errors at lags 1-20. To investigate whether the forecast errors are normally distributed with mean zero and constant variance, we can make a time plot and histogram (with overlaid normal curve) of the forecast errors: The time plot of the in-sample forecast errors shows that the variance of the forecast errors seems to be roughly constant over time (though perhaps there is slightly higher variance for the second half of the time series). The histogram of the time series shows that the forecast errors are roughly normally distributed and the mean seems to be close to zero. Therefore, it is plausible that the forecast errors are normally distributed with mean zero and constant variance. Since successive forecast errors do not seem to be correlated, and the forecast errors seem to be normally distributed with mean zero and constant variance, the ARIMA(0,1,1) does seem to provide an adequate predictive model for the ages at death of English kings. Example of the Volcanic Dust Veil in the Northern Hemisphere We discussed above that an appropriate ARIMA model for the time series of volcanic dust veil index may be an ARIMA(2,0,0) model. To fit an ARIMA(2,0,0) model to this time series, we can type: As mentioned above, an ARIMA(2,0,0) model can be written as: written as: Xt - mu (Beta1 (Xt-1 - mu)) (Beta2 (Xt-2 - mu)) Zt, where Beta1 and Beta2 are parameters to be estimated. The output of the arima() function tells us that Beta1 and Beta2 are estimated as 0.7533 and -0.1268 here (given as ar1 and ar2 in the output of arima()). Now we have fitted the ARIMA(2,0,0) model, we can use the 8220forecast. ARIMA()8221 model to predict future values of the volcanic dust veil index. The original data includes the years 1500-1969. To make predictions for the years 1970-2000 (31 more years), we type: We can plot the original time series, and the forecasted values, by typing: One worrying thing is that the model has predicted negative values for the volcanic dust veil index, but this variable can only have positive values The reason is that the arima() and forecast. Arima() functions don8217t know that the variable can only take positive values. Clearly, this is not a very desirable feature of our current predictive model. Again, we should investigate whether the forecast errors seem to be correlated, and whether they are normally distributed with mean zero and constant variance. To check for correlations between successive forecast errors, we can make a correlogram and use the Ljung-Box test: The correlogram shows that the sample autocorrelation at lag 20 exceeds the significance bounds. However, this is probably due to chance, since we would expect one out of 20 sample autocorrelations to exceed the 95 significance bounds. Furthermore, the p-value for the Ljung-Box test is 0.2, indicating that there is little evidence for non-zero autocorrelations in the forecast errors for lags 1-20. To check whether the forecast errors are normally distributed with mean zero and constant variance, we make a time plot of the forecast errors, and a histogram: The time plot of forecast errors shows that the forecast errors seem to have roughly constant variance over time. However, the time series of forecast errors seems to have a negative mean, rather than a zero mean. We can confirm this by calculating the mean forecast error, which turns out to be about -0.22: The histogram of forecast errors (above) shows that although the mean value of the forecast errors is negative, the distribution of forecast errors is skewed to the right compared to a normal curve. Therefore, it seems that we cannot comfortably conclude that the forecast errors are normally distributed with mean zero and constant variance Thus, it is likely that our ARIMA(2,0,0) model for the time series of volcanic dust veil index is not the best model that we could make, and could almost definitely be improved upon Links and Further Reading Here are some links for further reading. For a more in-depth introduction to R, a good online tutorial is available on the 8220Kickstarting R8221 website, cran. r-project. org/doc/contrib/Lemon-kickstart . There is another nice (slightly more in-depth) tutorial to R available on the 8220Introduction to R8221 website, cran. r-project. org/doc/manuals/R-intro. html . You can find a list of R packages for analysing time series data on the CRAN Time Series Task View webpage . To learn about time series analysis, I would highly recommend the book 8220Time series8221 (product code M249/02) by the Open University, available from the Open University Shop . There are two books available in the 8220Use R8221 series on using R for time series analyses, the first is Introductory Time Series with R by Cowpertwait and Metcalfe, and the second is Analysis of Integrated and Cointegrated Time Series with R by Pfaff. Acknowledgements I am grateful to Professor Rob Hyndman. for kindly allowing me to use the time series data sets from his Time Series Data Library (TSDL) in the examples in this booklet. Many of the examples in this booklet are inspired by examples in the excellent Open University book, 8220Time series8221 (product code M249/02), available from the Open University Shop . Thank you to Ravi Aranke for bringing auto. arima() to my attention, and Maurice Omane-Adjepong for bringing unit root tests to my attention, and Christian Seubert for noticing a small bug in plotForecastErrors(). Thank you for other comments to Antoine Binard and Bill Johnston. I will be grateful if you will send me (Avril Coghlan) corrections or suggestions for improvements to my email address alc 64 sanger 46 ac 46 uk