R语言用ARIMA模型预测巧克力的兴趣趋势时间序列

序列如下

相关视频

每月建立一个ARIMA模型比每周建立一个容易。因此，我们将每月数据序列化，将预测与观察结果进行比较。

在这里转换序列的对数序列。我们观察到趋势的变化（开始时是线性的，此后相对稳定）。

这是我们要建模的序列残差，

要对该序列进行建模，我们可以先查看其自相关序列

和偏自相关序列

该序列是稳定的，但是有很强的周期性成分。我们可以尝试AR模型或ARMA（带有AR的残差不是白噪声）。

这里的残差序列是白噪声

然后，我们可以使用此模型对初始序列进行预测

我们的模型为红色，真实的观察结果为蓝色。然后，我们可以根据这24个观测值计算误差平方和。

但是我们可以尝试其他模型，例如通过更改趋势或通过更改ARIMA模型（通过季节性单位根）来尝试

我们检查残差序列确实是白噪声

然后，我们可以对原始系列进行预测，

误差平方和低一些

也就是说，在过去的两年中，第二个模型比以前的模型要好，是对未来几年进行预测的好方法。