«arima» 태그된 질문

나는 홍보 모델링 목적으로 외인성 변수로 증강 된 ARIMA 모델링을 사용하고 있으며 비즈니스 사용자에게 설명하기가 어렵습니다. 어떤 경우에는 소프트웨어 패키지가 간단한 전송 기능, 즉 파라미터 * 외인성 변수로 끝납니다. 이 경우 해석이 용이하다. 즉 판촉 활동 X (외인 이진 변수로 표시)는 Y 변수에 의해 종속 변수 (예 : 수요)에 영향을 …

9 time-series  data-visualization  forecasting  arima  causality 

ARIMA 모델을 사용하여 예측을 진행하면서 계절 성과 드리프트에 맞는 ARIMA를 기반으로 예측을 개선 할 수있는 방법을 이해하려고합니다. 내 데이터는 다음과 같은 시계열입니다 (3 년 동안 명확한 추세와 눈에 띄는 계절성이 있으며 지연 12, 24, 36에서 자기 상관으로 지원되지 않는 것 같습니다 ??). > bal2sum3years.ts Jan Feb Mar Apr May Jun …

9 r  time-series  forecasting  arima  seasonality 

상수 분산 가정을 위반하면 ARIMA 모형을 적합 할 수 없으므로 일 변량 시계열에 적합하도록 어떤 모형을 사용할 수 있습니까?

9 time-series  modeling  forecasting  arima 

auto.arima()R의 함수를 사용하여 ARIMA (5,1,2) 모델을 피팅 했으며 순서를 보면 이것이 예측하기 가장 좋은 모델이 아니라고 말할 수 있습니다. 데이터 계열에 특이 치가 존재하는 경우 해당 데이터에 모델을 맞추는 방법은 무엇입니까?

9 r  time-series  forecasting  outliers  arima 

이 기사 에서 다음과 같은 이식편을 가져옵니다 . 부트 스트랩을 사용하고 R boot패키지가있는 선형 혼합 모델을 위해 파라 메트릭, 반 파라 메트릭 및 비 파라 메트릭 부트 스트랩 부트 스트랩을 구현하려고 초보자 입니다. R 코드 내 R코드 는 다음과 같습니다 . library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

내 데이터는 고용 인구의 시계열 L과 기간, 년입니다. n.auto=auto.arima(log(L),xreg=year) summary(n.auto) Series: log(L) ARIMA(2,0,2) with non-zero mean Coefficients: ar1 ar2 ma1 ma2 intercept year 1.9122 -0.9567 -0.3082 0.0254 -3.5904 0.0074 s.e. NaN NaN NaN NaN 1.6058 0.0008 sigma^2 estimated as 1.503e-06: log likelihood=107.55 AIC=-201.1 AICc=-192.49 BIC=-193.79 In-sample error measures: ME RMSE …

9 r  regression  arima