Tijdreeksanalyse ARIMA in R, Handleiding modelselectie in R
In de vorige blog hebben we uitgelegd hoe je met hulp van de forecast package een voorspelling kan maken met een bestaande tijdreeks. Hier werd gebruik gemaakt van auto.arima, een algoritme dat automatisch het best verklarende Arima model selecteerd. Hoewel dit algoritme enorm handig is, vooral voor de beginnende ‘forecaster’, is het ook van belang om het proces te begrijpen waar auto.arima gebruik van maakt. Dit gaan we in deze blog doen door zelf een tijdreeks te analyseren met behulp van (handmatige) Arima.
De blog van oud DIKW’er Mandy Oud vind je op RPubs (by RStudio). Het doel van deze blog is om meer kennis te krijgen over Arima door begrijpbare voorbeelden en uitleg. Je gaat bekend worden met :
- ARMA/ARIMA model
- Stationary series
- Differentieren
- Autocorrelatie en lags
- Residuals analyse en White Noise
- Overzicht modelselectie
- Seizoensinvloeden
