X-13 ARIMA-SEATS with R interface
X 13 ARIMA Model เหมาะสำหรับการพยากรณ์อนุกรมเวลาที่มีรูปแบบ Seasonal และมีบางช่วงเวลาที่สูงสุด หรือลดลงต่ำสุด เช่นราคาสินค้าเกษตร ในบางฤดูกาลผลผลิตออกสู่ตลาดน้อยราคาสูง บางช่วงผลผลิตออกสู่ตลาดพร้อมกันจำนวนมาก ราคาลดต่ำลง
นำเข้าข้อมูลจากไฟล์ cassava.csv เข้าสู่โปรแกรม R
ด้วยคำสั่ง cassava <- read.csv(file.choose(), header = TRUE)
จะปรากฏหน้าต่าง Select file เลือก cassava.csv คลิก Open
ไฟล์ cassava.csv ราคามันสำปะหลังโรงงาน
head(cassava,12) แสดงข้อมูลตัวแปรที่นำเข้าสู่โปรแกรม R จำนวน 12 ค่าสังเกต
ราคามันสำปะหลังโรงงาน
Load Packages เพื่อใช้งาน
library(timeDate)
library(timeSeries)
library(seasonal)
library(pander)
สร้าง Data Frame ให้เป็นแบบ Time Series
cassava.ts <- ts(data = cassava, start = c(2007), freq = 12)
cassava.ts <- data.frame(cassava.ts)
attach(cassava.ts)
price <- ts(price, frequency = 12, start = c(2007, 1),end = c(2020,12))
สร้าง Arima automatic model ด้วยคำสั่ง
m <- seas(x = price, xreg = checkX13(), transform.function = "none",
regression.aictest = NULL, out = TRUE,dir = "~/mydir",
automdl.diff = c(1, 1), x11 = "", forecast.maxlead = 24)
จะได้ผลการทดสอบการทำงานของโปรแกรม
seasonal is using the X-13 binaries provided by x13binary
X-13 installation test:
- X13_PATH correctly specified
- binary executable file found
- command line test run successful
- command line test produced HTML output
- seasonal test run successful
Congratulations! 'seasonal' should work fine!
All X-13ARIMA-SEATS output files have been copied to '~/mydir'.
แสดงผล 5 best model
ด้วยคำสั่ง fivebestmdl(m)
จะได้ Arima choice model (0 1 2)(0 1 1)
arima bic
1 (0 1 2)(0 1 1) -0.957
2 (2 1 0)(0 1 1) -0.952
3 (1 1 0)(0 1 1) -0.951
4 (1 1 1)(0 1 1) -0.944
5 (0 1 1)(0 1 1) -0.939
summary(m)
Call:
seas(x = price, xreg = checkX13(), transform.function = "none",
regression.aictest = NULL, out = TRUE, dir = "~/mydir", automdl.diff = c(1, 1), x11 = "", forecast.maxlead = 24)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
LS2008.Jul -0.53234 0.11069 -4.809 1.52e-06 ***
AO2010.Aug 0.47673 0.06242 7.637 2.22e-14 ***
LS2016.Jan 1.34230 0.10927 12.284 < 2e-16 ***
LS2017.Jan -0.61830 0.11026 -5.608 2.05e-08 ***
LS2020.Jan -0.64398 0.11640 -5.532 3.16e-08 ***
Coefficients:
Estimate Std. Error z value Pr(>|z|)
MA-Nonseasonal-01 -0.61707 0.07550 -8.173 3.00e-16 ***
MA-Nonseasonal-02 -0.25771 0.07541 -3.417 0.000632 ***
MA-Seasonal-12 0.73308 0.06057 12.103 < 2e-16 ***
แสดงผล seasonal adjustment
ด้วยคำสั่ง cbind(original(m),final(m),trend(m),irregular(m))
original(m) final(m) trend(m) irregular(m)
Jan 2007 1.02 1.079294 1.061138 1.815587e-02
Feb 2007 1.10 1.098449 1.061458 3.699094e-02
Mar 2007 1.14 1.067482 1.079845 -1.236292e-02
Apr 2007 1.17 1.024304 1.127006 -1.027018e-01
May 2007 1.28 1.242669 1.219835 2.283441e-02
แสดงผลการพยากรณ์ ปี 2021 – 2022
ด้วยคำสั่ง show(mm <- series(m, "forecast.forecasts"))
forecast lowerci upperci
Jan 2021 2.034037 1.75781194 2.310261
Feb 2021 2.024211 1.51242238 2.536000
Mar 2021 1.992315 1.27717163 2.707459
.
.
.
Oct 2022 2.072801 -0.51175496 4.657356
Nov 2022 2.114456 -0.54644699 4.775358
Dec 2022 2.254042 -0.48107708 4.989162
แสดง HTML Output
openFileInOS("~/mydir/iofile.html")
HTML Output
ต้องการข้อมูลหรือสคริปต์ไฟล์
share link
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
