बॉक्स-जेनकिन्स कार्यप्रणाली एक रणनीति या प्रक्रिया है जिसका उपयोग ARIMA मॉडल बनाने के लिए किया जा सकता है। टाइम ईपी सीरीज एनालिसिस: फोरकास्टिंग एंड कंट्रोल: जॉर्ज ईपी बॉक्स और ग्विलियम एम। जेनकिन्स की पुस्तक में इस पद्धति को रेखांकित किया गया है , जो मूल रूप से 1970 में प्रकाशित हुई थी - और हाल के संस्करण मौजूद हैं।
SAS खोलकर, कॉल ARIMA, और p, d और q के लिए आपूर्ति संख्याओं को कॉल करके, आपने केवल ARIMA मॉडल का अनुमान लगाया है। यह आँख बंद करके करना, अर्थात्, ARIMA मॉडल की पहचान करने के लिए किसी विशेष मान्यताप्राप्त पद्धति का उपयोग न करके, मैचों के साथ खेलने का एक सा है - सॉफ्टवेयर के खतरे!
यदि आप इस प्रक्रिया को दोहराते रहते हैं - बहुत सारे और कई ARIMA मॉडल का अनुमान लगाते हैं - तो आप अंततः एक मॉडल का चयन कर सकते हैं जिसमें सबसे कम आकाइक सूचना मानदंड (आपके द्वारा अनुमानित किए गए मॉडल के सेट से) है। इस संदर्भ में, एक अधिक व्यवस्थित दृष्टिकोण का उपयोग एल्गोरिदम का उपयोग करने के लिए किया जाएगा, जो कि विभिन्न मॉडलों के विभिन्न प्रकारों के लिए AIC मूल्यों की तुलना करने के लिए स्वचालित रूप से आपके लिए एक ARIMA मॉडल का चयन करेगा, जैसे कि R में पूर्वानुमान पैकेज द्वारा प्रदान किया गया - प्रासंगिक फ़ंक्शन नाम। है auto.arima()।
किसी भी घटना में, आप जिस प्रक्रिया को रेखांकित करते हैं, वह कुछ सूचना मानदंड (इस मामले में, एआईसी, लेकिन अन्य उपाय हैं) को न्यूनतम करने के आधार पर एआरआईएमए मॉडल का चयन करने में शामिल है। यह एक विशेष पद्धति है, लेकिन यह बॉक्स-जेनकिंस पद्धति नहीं है; एक विकल्प।
बॉक्स-जेनकिन्स कार्यप्रणाली में पांच चरण शामिल हैं (हालांकि कभी-कभी केवल तीन चरणों को शामिल करने के लिए कहा जाता है):
- यदि आवश्यक हो तो स्टेशनरी या गैर-स्टेशनरिटी के लिए जाँच करना और डेटा को बदलना;
- एक उपयुक्त एआरएमए मॉडल की पहचान;
- चुने हुए मॉडल के मापदंडों का अनुमान;
- मॉडल की पर्याप्तता की नैदानिक जाँच; तथा
- पूर्वानुमान, या दो से पांच चरणों की पुनरावृत्ति।
विशेष रूप से, यह एक पुनरावृत्ति प्रक्रिया है जिसमें कुछ निर्णय लेने वाले मॉडल बिल्डर शामिल हैं - और यह कार्यप्रणाली का एक पहलू है जिसे एक कमी माना गया है। विशेष रूप से दो औजारों की व्याख्या करते समय निर्णय का हिस्सा खेल में आता है; अर्थात्, (अनुमानित) ऑटोकॉरेलेशन फंक्शन (ACF) और आंशिक ऑटोकैरेलेशन फंक्शन (PACF)।
यदि आप बॉक्स-जेनकिंस पद्धति के व्यवसायी बनना चाहते हैं, तो मैंने मूल पाठ से परामर्श करने की सिफारिश की है (आपको आश्चर्य होगा कि आधुनिक पाठ्यपुस्तकें क्या छोड़ती हैं!) जो भी आधुनिक विविधताएँ आपको मिल सकती हैं। एलन पंकरात्ज़ के पास उत्कृष्ट पाठ्य पुस्तकों के एक जोड़े हैं, जिन्हें मैं बहुत अधिक सुझाऊंगा; उदाहरण के लिए, Univariate Box-Jenkins मॉडल के साथ पूर्वानुमान: अवधारणाओं और मामले ।
अनुभव से मुझे पता चलता है कि "बॉक्स-जेनकिंस कार्यप्रणाली" शब्द का प्रयोग ढीले ढंग से किया जाता है क्योंकि मैंने सुना है कि कुछ लोग इसका उपयोग केवल एआरआईएमए मॉडल के सामान्य निर्माण के लिए करते हैं - और एआरएमए मॉडल के निर्माण में शामिल वास्तविक प्रक्रिया के लिए नहीं। - जबकि अन्य लोग इसका उपयोग संशोधित संस्करण का उल्लेख करने के लिए करते हैं जो 1970 में प्रकाशित हुआ था। जैसा कि @Glen_b ने बताया है, "कई दस्तावेज हैं जो इन दिनों बॉक्स-जेनकिंस कार्यप्रणाली का वर्णन करते हैं जिसमें एआईसी या इसी तरह की मात्राओं का उपयोग शामिल होगा" ।
प्रश्न: क्या आप पी, डी, क्यू के शुरुआती अनुमानों के साथ आने के लिए बॉक्स-जेनकिंस कार्यप्रणाली का उपयोग करने वाले हैं?
जैसा कि पहले ही उल्लेख किया गया है, अलग-अलग मॉडल चयन रणनीतियाँ हैं इसलिए उत्तर नहीं है यह जरूरी नहीं है कि आपको बॉक्स-जेनकिंस पद्धति को नियोजित करने की आवश्यकता है, लेकिन यदि आप चाहते थे तो आप कर सकते थे।
प्रश्न: क्या एसएएस ने आंतरिक रूप से किसी तरह इसका उपयोग किया था?
जब तक कि सॉफ्टवेयर एक बहुत ही परिष्कृत कार्य प्रदान नहीं करता है तब तक इसकी संभावना कम ही होती है! सॉफ्टवेयर क्या करता है या करने में सक्षम है, इसके विवरण के लिए आधिकारिक एसएएस प्रलेखन से परामर्श करें। यदि यह आर था, तो आप स्रोत कोड को देख सकते हैं, लेकिन मुझे संदेह है कि यह एसएएस के साथ एक विकल्प है।