일변량 시계열 분석
일변량 시계열 분석 스텝 정보
일변량 시계열 분석 스텝은 동일한 간격의 값을 갖는 단일 시계열을 분석합니다. 이 스텝이 분석을 제공하는 모델 유형은 ARIMA(자기회귀 통합이동평균), ARIMAX, 비관측 성분과 자기상관 및 이분산성 오차가 있는 회귀입니다.
일변량 시계열 분석: 노드에 대한 연결 요구 사항
일변량 시계열 분석 스텝을 실행하려면 여기에 표시된 대로 노드의 입력 및 출력 포트에 대한 연결을 생성해야 합니다.
|
입력 포트 |
출력 포트 |
|---|---|
또는
주: 공간 가중값 테이블은 지정된 출력형식이어야 합니다. |
기본적으로 출력 데이터는 생성되지 않습니다. 연결이 필요하지 않습니다. 그러나 출력 탭에서는 여러 출력 테이블을 생성할지를 지정할 수 있습니다. 플로우에서 이 스텝을 실행하려면 이러한 옵션 테이블에 대한 출력 포트를 추가해야 합니다. 출력 포트를 추가하려면 일변량 시계열 분석 노드를 마우스 오른쪽 버튼으로 클릭하고 name-of-output-table을 선택합니다. 주: 기본적으로 출력 데이터는 Work 라이브러리의 임시 테이블에 작성됩니다. 출력 포트를 테이블 노드에 연결하여 출력 테이블의 라이브러리와 이름을 지정할 수 있습니다. 자세한 내용은 SAS 라이브러리에서 플로우로 테이블 추가에서 참조하십시오. |
예: ARIMA 모델을 사용한 판매 데이터 분석
이 예제를 생성하려면 다음을 수행하십시오.
- 탐색 영역의 스텝 섹션에서 계량경제 폴더를 펼치고 일변량 시계열 분석을 더블 클릭하여 플로우에 스텝을 추가합니다.
- Sashelp.Pricedata 테이블을 플로우에 추가하고 일변량 시계열 분석 노드에 연결합니다.자세한 내용은 노드 연결에서 참조하십시오.
- 일변량 시계열 분석 스텝에 대한 옵션을 설정하려면 일변량 시계열 분석 노드를 클릭합니다.
- 데이터 탭에서 다음 역할에 칼럼을 할당합니다:
- 시간 ID 역할에 date를 할당합니다.
- 종속변수 역할에 sale을 할당합니다.
- 모델 탭에서 ARIMA를 모델 유형으로 선택합니다.
- 플로우를 실행합니다.
실행된 코드 및 결과 탭을 클릭하여 결과를 봅니다.
일변량 시계열 분석: 단계별 지침
1단계: 역할에 데이터 할당
- (선택 사항) 입력 데이터를 필터링하려면 입력 데이터 필터링 필드에 필터 표현식을 입력합니다.
- 시간 ID 역할에 계열에 대한 날짜시간 값을 지정하는 변수를 할당합니다.
이 역할에 SAS 날짜 또는 날짜시간 변수를 할당하면 스텝에서 이러한 값에 대한 시간 간격이 자동으로 결정됩니다. 이 간격을 변경할 수 있으며 승수, 이동 및 계절 길이를 지정할 수도 있습니다.
- 종속변수 역할에 분석에 대한 종속변수를 할당합니다.
- (선택 사항) 그룹 분석 기준 역할에 각 그룹에서 데이터를 정렬하고 분석을 수생할 변수를 할당합니다.
2단계: 모델 옵션 설정
ARIMA 모델 생성
모델 탭에서 ARIMA를 모델 유형으로 선택합니다.
- ARIMA 모델에 대한 자기회귀 차수(p), 차분 차수(d) 및 이동 평균 차수(q)를 지정합니다.
- 계절 ARIMA 모델에 대한 자기회귀 차수(P), 차분 차수(D) 및 이동 평균 차수(Q)를 지정합니다.
- 모델에 절편을 포함할지를 지정합니다. 절편은 기본적으로 포함됩니다.
ARIMAX 모델 생성
모델 탭에서 ARIMAX를 모델 유형으로 선택합니다.
- 독립변수 역할에 분석에 사용할 연속변수를 지정합니다.
- ARIMAX 모델에 대한 자기회귀 차수(p), 차분 차수(d) 및 이동 평균 차수(q)를 지정합니다.
- 계절 ARIMAX 모델에 대한 자기회귀 차수(P), 차분 차수(D) 및 이동 평균 차수(Q)를 지정합니다.
- 모델에 절편을 포함할지를 지정합니다. 절편은 기본적으로 포함됩니다.
비관측 성분 모델 생성
모델 탭에서 비관측 성분 모델을 모델 유형으로 선택합니다.
- 독립변수 역할에 분석에 사용할 연속변수를 지정합니다.
- 모델에 불규칙 성분을 포함할지를 지정합니다. 모수 추정 프로세스 중에 초기 분산을 지정할 수 있습니다. 이 분산은 고정될 수 있습니다.
- 모델에 레벨 성분을 포함할지를 지정합니다. 이 성분에 대해 분산을 지정하고, 레벨 나누기를 확인하고, 기울기 성분을 포함할 수 있습니다.
- 계절 성분을 포함할지를 지정합니다. 유형은 더미 또는 삼각일 수 있습니다. 또한 분산의 초깃값을 지정할 수 있습니다.
주: 이 옵션은 계절 길이가 1보다 클 때만 사용할 수 있습니다.
- 주기 성분을 포함할지를 지정합니다. 주기 기간, 감쇠 요인 및 분산에 대한 초깃값을 지정할 수 있습니다.
자기상관 및 이분산성 오차가 있는 회귀 생성
모델 탭에서 자기상관 및 이분산성 오차가 있는 회귀를 모델 유형으로 선택합니다.
- 독립변수 역할에 분석에 사용할 연속변수 및 범주변수를 지정합니다.
- 자기회귀 오차를 지정합니다. 다음 옵션 중에서 선택할 수 있습니다.
- 자기회귀 오차 없음은 모델에 자기회귀 오차 성분이 없음을 지정합니다. 기본값입니다.
- 자기회귀 차수 지정은 사용할 자기회귀 과정의 차수를 지정합니다.
- 자기회귀 차수 자동 선택은 스텝에서 오차 과정에 대해 적절한 차수를 선택하도록 지정합니다. 스텝 선택의 시작점인 최대 자기회귀 차수를 지정할 수 있습니다.
- Garch 조건 이분산성에 대해 다음 옵션을 선택합니다.
- 과정의 차수 또는 적합할 ARCH 항의 서브셋을 지정합니다.
- 과정의 차수 또는 적합할 GARCH 항의 서브셋을 지정합니다.
주: 이 옵션은 ARCH 과정 차수를 0보다 큰 값으로 지정한 경우에만 사용할 수 있습니다.
3단계: 옵션 설정
ARIMA 및 ARIMAX 옵션
옵션 탭에서 ARIMA 및 ARIMAX 모델에 대한 다음 옵션을 설정합니다.
- 추정 방법을 지정합니다. 기본값은 조건부 최소제곱입니다.
- 결과에 포함할 도표를 선택합니다.
- 예측할 기간 수를 지정합니다.
- 예측의 신뢰수준을 지정합니다. 기본값은
95%입니다. - 예측에 포함하지 않을 기간 수를 지정합니다.
- 데이터에 이상점이 있는지 여부를 확인할지 지정합니다. 이 체크 박스는 기본적으로 선택됩니다.
비관측 성분 모델 옵션
옵션 탭에서 비관측 성분 모델에 대한 다음 옵션을 설정합니다.
- 모수 추정 중에 제외할 데이터의 끝에 위치한 관측값 수를 지정합니다.
- 결과에 포함할 도표를 선택합니다.
- 예측할 기간 수를 지정합니다.
- 예측의 신뢰수준을 지정합니다. 기본값은
95%입니다. - 예측에 포함하지 않을 기간 수를 지정합니다.
- 데이터에 이상점이 있는지 여부를 확인할지 지정합니다. 이 체크 박스는 기본적으로 선택됩니다.
- 최적화 방법을 지정합니다. 기본값은 신뢰 영역입니다.
- 최대 반복 횟수를 지정합니다. 기본값은
100입니다.
자기상관 및 이분산성 오차가 있는 회귀 모델
옵션 탭에서 자기상관 및 이분산성 오차가 있는 회귀 모델에 대한 다음 옵션을 설정합니다.
- 공분산 행렬 추정량을 지정합니다.
- 모델이 OLS 또는 순자기회귀 오차 모델인 경우 기본값, Newey 및 West, HCCME0, HCCME1, HCCME2, HCCME3 및 HCCME4 옵션을 사용할 수 있습니다.
- 모델이 GARCH 또는 이분산성 성분을 포함하는 경우 외적 행렬(기본), Hessian 역행렬, Newey 및 West, HCCME0, HCCME1, HCCME2, HCCME3 및 HCCME4 옵션을 사용할 수 있습니다.
- 추정 방법을 선택합니다.
- 1차에 대해 Durbin-Watson 검정을 실행할지를 지정합니다.
- ARCH 효과가 없는지에 대한 검정을 지정합니다.
유효한 검정은 다음과 같습니다.
- Q 및 Engle LM 검정
- Lee 및 King ARCH 검정
- Wong 및 Li ARCH 검정
- 회귀잔차에 대한 Jarque-Bera의 정규성 검정 통계량을 지정합니다.
- 독립 검정을 지정합니다.
유효한 검정은 다음과 같습니다.
- Brock-Dechert-Scheinkman(BDS) 검정
- 검정 실행
- 전환점 검정
- von Neumann 비의 순위 버전 검정
- 결과에 포함할 도표를 선택합니다.
- 최적화 방법을 지정합니다. 기본값은 신뢰 영역입니다.
- 최대 반복 횟수를 지정합니다. 기본값은
100입니다.
4단계: 출력 옵션 설정
출력 탭에서 사용 가능한 출력 테이블은 모델 유형에 따라 다릅니다.
- ARIMA 및 ARIMAX 모델 유형의 경우 출력 테이블, 모수 추정값 테이블, 적합 통계량 테이블, 공분산 및 상관관계 테이블, 모델 정보 테이블을 생성할 수 있습니다.
- 비관측 성분 모델 유형의 경우 모수 추정값 테이블 및 예측값 테이블을 생성할 수 있습니다.
- 자기상관 및 이분산성 오차가 있는 회귀 모델 유형의 경우 다양한 통계량을 포함하는 출력 테이블을 생성할 수 있습니다. 모수 추정값 테이블을 생성할 수도 있습니다.