Je travaille sur l'ensemble des données electricity
disponibles dans le package R TSA
. Mon objectif est de savoir si un arima
modèle sera approprié pour ces données et éventuellement de l'adapter. J'ai donc procédé comme suit:
1er: Tracer la série chronologique qui a résulté si le graphique suivant:
2e: Je voulais prendre un journal de electricity
pour stabiliser la variance et ensuite différencié la série comme il convient, mais juste avant de le faire, j'ai testé la stationnarité sur le ensemble de données d'origine à l'aide du adf
test (Augmented Dickey Fuller) et, de façon surprenante, il a donné les résultats suivants:
Code et résultats:
adf.test(electricity)
Augmented Dickey-Fuller Test
data: electricity
Dickey-Fuller = -9.6336, Lag order = 7, p-value = 0.01
alternative hypothesis: stationary
Warning message: In adf.test(electricity) : p-value smaller than printed p-value
Eh bien, selon la notion de série temporelle de mon débutant, je suppose que cela signifie que les données sont stationnaires (petite valeur de p, rejetons l'hypothèse nulle de non-stationnarité). Mais en regardant l'intrigue ts, je ne trouve aucun moyen que cela puisse être stationnaire. Quelqu'un a-t-il une explication valable à cela?