Análisis de series temporales

Modelo ARIMA (modelo de media móvil autorregresiva), que es el método más utilizado para la previsión y el análisis de series temporales. Los datos históricos se pueden utilizar para predecir situaciones futuras. El modelo ARIMA se puede dividir en tres tipos, a saber, el modelo AR, el modelo de diferencia I y el modelo MA. SPSSAU encuentra inteligentemente el mejor modelo AR, I es el valor diferencial y el modelo MA, y finalmente proporciona el mejor resultado de predicción del modelo. El principio de SPSSAU para encontrar inteligentemente el mejor modelo es utilizar la regla del valor mínimo de AIC para atravesar todas las combinaciones posibles de modelos para la construcción del modelo y, finalmente, combinar la regla mínima de AIC para obtener el mejor modelo.

Por supuesto, los investigadores también pueden configurar el modelo AR, el orden diferencial y el modelo MA por sí mismos, es decir, establecer el orden autorregresivo P, el orden diferencial D y el orden de media móvil Q respectivamente, y luego construir el modelo. En cuanto al orden autorregresivo P, el orden de diferencia D y el orden de media móvil Q, deben establecerse adecuadamente. Se recomienda que los investigadores utilicen diagramas de (auto)correlación parcial para el análisis (SPSSAU también proporciona sugerencias inteligentes sobre P o Q). Utilice el análisis de prueba ADF para obtener el orden de diferencia D adecuado (SPSSAU también proporciona sugerencias inteligentes sobre el orden de diferencia D óptimo).

El modelo ARIMA se puede dividir en tres tipos, a saber, el modelo AR, I es el modelo de diferencia y el modelo MA. SPSSAU encuentra inteligentemente el mejor modelo AR I, que es el valor diferencial y el modelo MA. Por supuesto, si el investigador configura el modelo AR, el orden diferencial y el modelo MA por sí mismo, es decir, establece el orden autorregresivo P, el orden diferencial D y el orden de media móvil Q respectivamente, entonces SPSSAU construirá el modelo de acuerdo con la configuración del investigador. . Se recomienda que los usuarios utilicen directamente el análisis inteligente de SPSSAU.

SPSSAU funciona de la siguiente manera: