जैसा कि मैं ARIMA मॉडल के साथ पूर्वानुमान लगा रहा हूं, मैं यह समझने की कोशिश कर रहा हूं कि मैं ARIMA पर आधारित पूर्वानुमान को कैसे बेहतर बना सकता हूं ताकि सीज़न और ड्रिफ्ट के साथ फिट हो।
मेरा डेटा निम्नलिखित समय श्रृंखला है (3 वर्ष से अधिक, स्पष्ट प्रवृत्ति ऊपर की ओर और दृश्यमान मौसमीता के साथ, जो कि 12, 24, 36 ??) में ऑटोकॉरेलेशन द्वारा समर्थित नहीं लगती है।
> bal2sum3years.ts
Jan Feb Mar Apr May Jun Jul Aug
2010 2540346 2139440 2218652 2176167 2287778 1861061 2000102 2560729
2011 3119573 2704986 2594432 2362869 2509506 2434504 2680088 2689888
2012 3619060 3204588 2800260 2973428 2737696 2744716 3043868 2867416
Sep Oct Nov Dec
2010 2232261 2394644 2468479 2816287
2011 2480940 2699780 2760268 3206372
2012 2951516 3119176 3032960 3738256
auto.arima(bal2sum3years.ts)मेरे द्वारा सुझाए गए मॉडल ने निम्नलिखित मॉडल दिया:
Series: bal2sum3years.ts
ARIMA(0,0,0)(0,1,0)[12] with drift
Coefficients:
drift
31725.567
s.e. 2651.693
sigma^2 estimated as 2.43e+10: log likelihood=-321.02
AIC=646.04 AICc=646.61 BIC=648.39
हालांकि, acf(bal2sum3years.ts,max.lag=35)एसईएफ गुणांक 0.3 से अधिक नहीं दिखाता है। डेटा की मौसमीता, हालांकि, बहुत स्पष्ट है - हर साल की शुरुआत में स्पाइक। यह वही है जो श्रृंखला ग्राफ पर दिखता है:
पूर्वानुमान का उपयोग करके fit=Arima(bal2sum3years.ts,seasonal=list(order=c(0,1,0),period=12),include.drift=TRUE), फ़ंक्शन द्वारा बुलाया जाता है forecast(fit), परिणाम अगले 12 महीने के डेटा के पिछले 12 महीनों के बराबर होने के साथ-साथ स्थिर होता है। इसे कॉल करके देखा जा सकता है plot(forecast(fit)),
मैंने अवशिष्टों की भी जाँच की है, जो कि स्वतःसंबंधित नहीं हैं, लेकिन सकारात्मक माध्य (गैर शून्य) हैं।
फिट मूल समय श्रृंखला को ठीक से मॉडल नहीं करता है, मेरी राय में (नीला मूल समय श्रृंखला, लाल है fitted(fit):
अतिथि है, क्या मॉडल गलत है? क्या मैं कुछ भूल रहा हूँ? मैं मॉडल को कैसे सुधार सकता हूं? ऐसा लगता है कि मॉडल का शाब्दिक रूप से पिछले 12 महीनों का समय है और अगले 12 महीनों को प्राप्त करने के लिए एक निरंतरता जोड़ता है।
मैं समय श्रृंखला के पूर्वानुमान मॉडल और सांख्यिकी में एक रिश्तेदार शुरुआत कर रहा हूं।
