Jednorozměrná data časových řad

Lillian Pierson

Podobně jako u vícerozměrné analýzy je analýza vztahů mezi více proměnnými, univariate analýza je kvantitativní analýza pouze jedné proměnné. Když modelujete jednorozměrné časové řady, modelujete změny časových řad, které představují změny v jedné proměnné v průběhu času.

Autoregresní klouzavý průměr (ARMA) je třída prognostických metod, které můžete použít k předpovědi budoucích hodnot z aktuálních a historických dat. Jak název napovídá, rodina modelů ARMA se kombinuje autoregrese techniky (analýzy, které předpokládají, že předchozí pozorování jsou dobrým prediktorem budoucích hodnot a provedou autoregresní analýzu k předpovědi těchto budoucích hodnot) a klouzavý průměr techniky - modely, které měří úroveň konstantní časové řady a poté aktualizují model předpovědi, pokud jsou zjištěny nějaké změny.



Zde je příklad rovnice pro model ARMA:

jak čistit olejové kartáče

ZBRAŇ( p, q )

Y t = na 1 Y t -1+ na dva Y t -dva+. . . + na p Y t - p + b 0+ je t - b 1 je t -1- b dva je t -]dva+. . . - b co je t - co

V této rovnici

  • Y t se rovná skutečné hodnotě časové řady v čase t .

  • Y t -1se rovná skutečné hodnotě časové řady v čase t - 1.

  • Y t - Y t -1se rovná čisté změně hodnoty časové řady mezi časem t a čas t - 1 - jinými slovy změna hodnoty časové řady v jednom časovém intervalu.

  • je t -]1se rovná chybovému termínu v čase t - 1 (kvantifikace chybových procesů v modelu v čase t - 1).

  • na 1se rovná autoregresnímu parametru pro Y t -1.

    přesunout programy na jinou jednotku
  • b 1se rovná parametru klouzavého průměru pro je t -1.

    jak zapnout režim tabletu
  • je t , je t -1, je t -dva, . . , a je t - co nesouvisí.

Autoregrese předpokládá, že předchozí p pozorování v časové řadě poskytují dobrý odhad budoucích pozorování. Část klouzavého průměru modelu umožňuje modelu aktualizovat předpovědi, pokud se změní úroveň konstantní časové řady. Pokud hledáte jednoduchý model nebo model, který bude fungovat pouze pro malou datovou sadu, pak model ARMA není vhodný pro vaše potřeby. Alternativou v tomto případě může být jen držet se jednoduché lineární regrese.

Chcete-li použít model ARMA pro spolehlivé výsledky, musíte mít alespoň 50 pozorování a vyškoleného analytika, který vám model přizpůsobí a interpretuje.

Obrázek ukazuje graf modelu ARMA, který odpovídá této rovnici:

Y t = 0,91 Y t -1+ 11,6 - 1,412 Y t -1+ 0,987 Y t -dva

Na obrázku vidíte, že data prognózy modelu a skutečná data jsou velmi blízká. To znamená, že výše formulovaná rovnice je dobrým vyjádřením časových řad, které modeluje.

image0.jpg