Belirli bir ARIMA açıklaması türü aranıyor


25

Bunu bulmak zor olabilir, ama iyi açıklanmış bir ARIMA örneği okumak istiyorum .

  • en az matematik kullanır

  • Tartışmayı, belirli vakaları tahmin etmek için bir model oluşturmanın ötesine taşıyor

  • Öngörülen ve gerçek değerler arasındaki uyumu karakterize etmek için sayısal sonuçların yanı sıra grafikleri de kullanır.

Yanıtlar:


7

ARIMA modellemesine giriş için önerdiğim okuma

1980'de R McCleary'nin Sosyal Bilimler İçin Uygulamalı Zaman Serisi Analizi ; RA Hay; EE Meidinger; D McDowall

Bu, sosyal bilimcilere yöneliktir, böylece matematiksel talepler çok katı değildir. Ayrıca kısa tedaviler için iki Sage Green Book önerebilirim (McCleary kitabı ile tamamen gereksiz olsalar da),

Ostrom metni yalnızca ARMA modellemesidir ve öngörmeyi tartışmaz. Tahmin tahmini grafiğini çizme gereksiniminizi de karşılayacaklarını sanmıyorum. Bu forumda da zaman serileri ile etiketlenmiş soruları inceleyerek daha faydalı kaynaklar bulabileceğinize eminim.


McCleary kitabı harika yazılmış, kısa ve gerçekten iyi bir giriş. Fortran gibi yüksek seviyeli dillerden bahsettikleri son bölümde bazı kasıtsız mizah anlayışı da var.
richiemorrisroe

31

Sadece “soruyu cevaplamak” ve konuyla ilgilenmek için, whuber'in nazikçe çağrısına cevap vermeye çalışacağım. “The Airline Series” adlı serinin aylık 144 okuması verilmektedir. Box ve Jenkins, ters olarak kaydedilen bir dönüşümün “patlayıcı doğası” nedeniyle çılgınca yüksek olan bir tahmin sağlamak için eleştirildi.görüntü tanımını buraya girin

Görsel olarak, orijinal serinin varyansının, bir dönüşüm için bir ihtiyaç olduğunu düşündüren serinin düzeyiyle birlikte arttığı izlenimini ediniyoruz. Bununla birlikte, faydalı bir model için gerekliliklerden birinin “model hatalarının” varyansının homojen olması gerektiğinin farkındayız. Orijinal serinin varyansı hakkında varsayım gerekmez. Eğer model sadece bir sabittirse, aynıdır, yani y (t) = u. As /stats//users/2392/probabilityislogic onun karşısında çok net ifade açıklayan heterojenliği / heteroscedasticty üzerinde Advice verileri 'Bunun olmayan normallik “Hep eğlendirirken bulmak bir şey şudur' İnsanlar endişe hakkında. Verilerin normal olarak dağıtılması gerekmez, ancak hata terimi

Zaman serisindeki erken dönemdeki çalışma çoğu zaman hatalı bir şekilde, istenmeyen dönüşümlerle ilgili sonuçlara atladı. Burada, bu verinin düzeltici dönüşümünün, üç olağandışı veri noktası için bir ayarlamayı yansıtan ARIMA modeline üç gösterge kukla serisi eklemek olduğunu keşfedeceğiz. Aşağıda, gecikme 12'de (.76) ve gecikme 1'de (.948) güçlü bir otokorelasyon düşündüren otokorelasyon fonksiyonunun grafiği verilmiştir. Otokorelasyonlar, y'nin bir y gecikmesiyle tahmin edilen bağımlı değişkenin olduğu bir modelde basitçe regresyon katsayılarıdır.

görüntü tanımını buraya girin! görüntü tanımını buraya girin

Yukarıdaki analiz, bir modelin serinin ilk farklarını ortaya koyduğunu ve özelliklerinin ilk farkları ile aynı olan “artık serinin” olduğunu göstermektedir. görüntü tanımını buraya girin

Bu analiz, iki farklı operatör içeren bir model tarafından düzeltilebilecek veya modellenebilecek verilerde güçlü bir mevsimsel örgütün var olduğu fikrini yeniden doğrulamaktadır.

görüntü tanımını buraya girin görüntü tanımını buraya girin

Bu basit çifte farklılaşma artık bir dizi artık verir, düzeltilmiş bir dizi verir veya sabit olmayan bir varyansı gösteren gevşek bir şekilde konuşulan bir seriyi söyler ancak sabit olmayan varyansın nedeni artıkların sabit olmayan ortalamasıdır. iki kat farklı seriler, serinin sonunda üç anomali ortaya koyuyor. Bu serinin Otokorelasyonu yanlış bir şekilde “her şeyin yolunda” olduğunu ve herhangi bir Ma (1) ayarlaması için bir ihtiyaç olabileceğini gösterir. Verilerde bir anormallik önerisi olduğu için özen gösterilmeli, bu nedenle acf aşağı doğru eğilimlidir. Bu, “Alice Harikalar Diyarında Etkisi” olarak bilinir; yani, bu yapı varsayımlardan birinin ihlaliyle maskelenirken belirgin bir yapının sıfır hipotezini kabul etmek.

görüntü tanımını buraya girin görüntü tanımını buraya girin

Üç olağandışı noktayı görsel olarak tespit ediyoruz (117,135,136)

görüntü tanımını buraya girin

Aykırı noktaları algılamanın bu adımı Müdahale Tespiti olarak adlandırılır ve Tsay'ın çalışmasının ardından kolayca veya çok kolay bir şekilde programlanabilir.

görüntü tanımını buraya giringörüntü tanımını buraya girin

Modele üç gösterge eklersek, görüntü tanımını buraya girin

Sonra tahmin edebiliriz

görüntü tanımını buraya girin

Ve artıklar ve acf bir arsa almak

görüntü tanımını buraya girin

görüntü tanımını buraya girin

Bu acf, modele potansiyel olarak iki hareketli ortalama katsayısı eklediğimizi gösteriyor. Dolayısıyla bir sonraki tahmin edilen model olabilir.

görüntü tanımını buraya girin

verimli

görüntü tanımını buraya girin

görüntü tanımını buraya girin

görüntü tanımını buraya girin görüntü tanımını buraya girin görüntü tanımını buraya girin Biri daha sonra önemsiz sabiti silebilir ve rafine bir model elde edebilir: görüntü tanımını buraya girin

Değişken değişkenlik gösteren bir artık kümesi elde etmek için hiçbir şekilde güç dönüşümüne gerek olmadığına dikkat çekiyoruz. Tahminlerin patlayıcı olmadığını unutmayın.

görüntü tanımını buraya girin

görüntü tanımını buraya girin

Basit ağırlıklı bir toplam olarak, biz var: 13 ağırlık; 3 sıfır olmayan ve eşittir (1.0.1,0., - 1.0)

görüntü tanımını buraya girin

görüntü tanımını buraya girin

Bu materyal, modelleme kararları vermek için otomatik olmayan ve sonuçta kullanıcı etkileşimi gerektiren bir şekilde sunulmuştur.


Merhaba IrishStat, yine ben. Kapsamlı örneğinize bayıldım, ancak biraz belirsiz olan iki pasaj var (en azından benim için): "Bu serinin otomatik korelasyonu yanlış bir şekilde" her şeyin yolunda olduğunu "gösterir ve herhangi bir Ma (1) ayarlamasına ihtiyaç duyulabilir. "ve" Bu acf, modele potansiyel olarak iki hareketli ortalama katsayısı eklediğimizi gösteriyor ". ACF arazilerinde tam olarak ne görüyorsunuz? Her ikisi de iyi görünmüyor mu (hemen hemen tüm değerler "mavi çizgiler" içinde)?
Bruder,

: VBruder "olabilir ..." ifadesiyle "yanlış" olduğumu düşünüyorum. İkinci örnekte lag1 ve lag 12'de "kötü acf" nin t2o ma katsayıları için potansiyel ihtiyaç olduğunu gösteren kanıtlar var. . Acf91) ve acf (12) "tehlikeli derecede yakın" olduğu için bu sınırlara aşırı inanıyorsunuz. Bilgilerimden edinilen yayınlanmış e-posta adresimden doğrudan benimle iletişime geçebilirsiniz.
IrishStat

Güzel yazı. "Üç olağandışı veri noktası için bir ayarı yansıtan ARIMA modeli" Bu üç nokta için üç boş değişken eklediğinizi söylüyorsunuz? Layman’ın ifadesiyle, bu üç aykırı gelecekteki tahminlerde nasıl dikkate alınır? (Basit olduğuna eminim, sadece aşina değilim.) Ayrıca, zaman geçtikçe hata sınırlarınız daha da artmıyor gibi görünüyor. (Ya da belki bağlı hata adımın modalitesine bağlıdır?) Şimdiden teşekkürler.
Adam

@Adam üç kukla değişken gelecekteki değerlerin tümü 0 olduğundan tahminlerde rol oynamaz. Evet, sunulan hata sınırları yanlış. Kusurun giderildiğini ve şimdi AUTOBOX'un zaman geçtikçe artan hata sınırları sunduğunu tespit ettik. AUTOBOX'un geliştiricilerinden biriyim. .
IrishStat

@IrishStat "üç kukla değişken gelecekteki değerler 0 olduğu için tahmin etmede hiçbir rol oynamaz." Bu aslında verilerden çekildikleri anlamına mı geliyor? Tahmin limitleri üzerinde bir etkisi olmalı mı?
Adam

15

Bunu 1998 tarihli ders kitabımın 7. bölümünde Makridakis & Wheelwright ile yapmaya çalıştım. Başarılı olup olmadığımı, başkalarını yargılamaya bırakacağım. Bazı bölümleri Amazon üzerinden çevrimiçi olarak okuyabilirsiniz (p311'den). Amazon'u ilgili sayfaları göstermeye ikna etmek için kitaptaki "ARIMA" kelimesini aratın.

Güncelleme: Ücretsiz ve çevrimiçi olan yeni bir kitabım var. ARİMA bölümü burada .


3

Ben öneriyoruz Kavramları ve Cases: Jenkins Modelleri - Tek değişkenli Kutusu ile Öngörümlemesi Alan Pankratz tarafından. Bu klasik kitap, istediğiniz tüm özelliklere sahiptir:

  • en az matematik kullanır
  • Tartışmayı, belirli vakaları tahmin etmek için bir model oluşturmanın ötesine taşıyor
  • Öngörülen ve gerçek değerler arasındaki uyumu karakterize etmek için sayısal sonuçların yanı sıra grafikleri de kullanır.

Tek dezavantajı 1983 yılında basılmış ve bazı yeni gelişmeler olmayabilir. Yayıncı, Ocak 2014'te güncelleme ile birlikte 2. baskı ile geliyor.


Alan Pankratz'ın diğer kitabını da tavsiye ederim: Dinamik Regresyon Modelleriyle Tahmin. Çok benzer malzeme, ancak biraz daha fazla toprak kapsar; Box-Jenkins tarafındaki şeylerin daha az ayrıntılı olmasına rağmen. Ocak 2014'te 2. basım olacağını duymak harika!
Graeme Walsh

-4

Bir ARIMA modeli sadece ağırlıklı bir ortalamadır. Çifte soruya cevap verir;

  1. Ağırlıklı bir ortalama hesaplamak için kaç dönem (k) kullanmalıyım

ve

  1. Tam olarak k ağırlıkları nelerdir

Diziyi (gerçekten belirtilmemiş nedensel değişkenlerin neden olduğu), önceki değerlere (ve YALNIZ önceki değerlere) nasıl ayarlanacağını belirlemeye yönelik olarak kızlık duasını yanıtlar.


-1 Bu cevabı "iyi açıklanmış bir ... * örnek *" şeklinde görünen bir soruya cevap olarak görünmüyor.
whuber

@whuber: OP, "asgari matematik kullanan" bir cevap istedi. Cevabım minimal matematiği detaylandırdı ve ARIMA modellerini sıradan gündelik kelimelerle açıklamak için motive edildi. Bu, matematik teorisi
yapanların

@Irish Özellikle kullanıcı tarafından talep edildiğinde matematiği düşük tutma motivasyonunu kabul ediyorum. Ancak bu cevap farklı bir soruya cevap veriyor gibi görünüyor: "ARIMA nedir". Orijinal sorunun spesifik yapısı ayrıca OP'nin ARIMA'nın ne olduğu ve ne için iyi olduğu hakkında iyi bir fikri olduğunu gösterir; eylemde görmek istiyorlar . Bahse girerim, böyle bir vaka çalışmasına kolayca katkıda bulunabilirsin :-).
whuber

: whuber: Bunu yapmak benim için çok kolay olurdu ve ben de bunu yapabilirdim.
IrishStat

@Irish Bunu görmek için sabırsızlanıyorum. Üstelik - bu mesele buraya gelmedi, fakat başka yerlerde de ortaya çıktı - bu tür katkılar potansiyel olarak daha güçlü ve daha takdir görmüş, insanlara yapabileceklerinizi bilmekten çok daha açık pazarlama biçimlerinden daha fazla haberdar etmenin yollarını gösteriyor.
whuber
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.