[R 기초통계] ARIMA 모형과 계절 ARIMA 모형 / acf(), pacf(), sim_sarima()

이 글에서는 ARIMA 모형을 이해하기 위해 필요한 정상성 개념과 ACF 및 PACF의 개념을 소개한다. 그리고 R 프로그램을 통해 실제 ARIMA 모형의 형태를 기술하고 그 특징을 알아본다. 시계열 분석과 회귀분석의 한 가지 차이점은 데이터가 반드시 독립적일 필요가 없다는 것이다. 반면 데이터의 순서는 회귀분석에서 중요하지 않지만, 시계열 분석에서는 매우 중요하다. ARIMA 모형 분석을 위해서는 해당 데이터가 정상성을 가지고 있어야 한다. 정상성이란 데이터의 평균과 분산 그리고 공분산이 시간 t에 대하여 동일해야 함을 의미한다. 다시 말해, 추세, 계절, 순환 등의 패턴이 없어야 하며, 자료 변화 폭이 일정해야 한다. 그리고 시간에 따른 자기상관적 패턴을 보이는 구간 또한 없어야 한다. 대부분의 시계열 데이터는 정상적이지 않다. 그래서 변화과 추세제거 그리고 차분을 통해 정상 시계열로 만든다. 이렇게 정상성이 갖춰지면 모형식별을 실시한다. ACF와 PACF를 통해 최적의 모형을 ...

원문링크 : [R 기초통계] ARIMA 모형과 계절 ARIMA 모형 / acf(), pacf(), sim_sarima()