Modelowanie i prognozowanie ARIMA - informacje

Modelowanie i prognozowanie ARIMA analizuje i prognozuje równo rozłożone jednowymiarowe dane szeregów czasowych, dane funkcji transferowych i dane interwencyjne używając autoregresyjnego zintegrowanego modelu średniej ruchomej (ARIMA) lub autoregresyjnego i średniej ruchomej (ARMA). Model ARIMA prognozuje wartość w szeregach czasowych odpowiedzi jako liniową kombinację własnych poprzednich wartości, popełnionych błędów (inaczej zwanych szokiem lub innowacjami) i aktualnych i minionych wartości szeregów czasowych.

Przeprowadzanie analizy ARIMA można podzielić na trzy podstawowe etapy:

Etap 1: Identyfikacja szeregu czasowego
Etap 2: Estymacja szeregu czasowego
Etap 3: Prognozowanie przyszłych wartości szeregu czasowego.

Do wykonania tych analiz można użyć zadania modelowania i prognozowania ARIMA:

ustalenie wpływu czynników sezonowych. Przykładowo można stworzyć model szeregu czasowego ze zmiennymi pogodowymi (temperatura, opady, wilgotność, itp.) jako danymi wejściowymi.
prognozowanie zapotrzebowania na produkt w oparciu o prawidłowości historyczne.

Uwaga: Zadanie Modelowanie i prognozowanie ARIMA jest rozplanowane w taki sposób, by każdy z trzech etapów znajdował się na oddzielnej stronie. Kliknięcie Uruchom, sprawia, że wykonywany jest tylko etap z zaznaczonej strony i etapy go poprzedzające. Tak więc, jeśli przejdziesz do Etap 3: Strony Prognozowanie i wprowadź zmiany, a następnie przejdź do Etapu 1: Strona identyfikacji i kliknij Uruchom, wykonywany jest tylko etap identyfikacji.

Aby uruchomić to zadanie, musisz spełnić następujące wymagania:

Wymagania wobec zadania
Nazwa wymagania	Nazwy procedury i produktów
Użyte procedury SAS-owe	ARIMA
Wymagane produkty SAS-owe	Base SAS, SAS/ETS
Zalecane dodatkowe produkty SAS-owe	SAS/GRAPH

Ostatnio zaktualizowano: 22 kwietnia 2024