दैनिक समय श्रृंखला डेटा में प्रभावों को मॉडल करने के लिए महीने कैसे करें?


11

मेरे पास दैनिक डेटा की दो बार श्रृंखला है। एक है sign-upsऔर दूसरी terminationsसदस्यता है। मैं दोनों चरों में निहित जानकारी का उपयोग करके बाद की भविष्यवाणी करना चाहता हूँ।

इन श्रृंखलाओं के ग्राफ को देखते हुए यह स्पष्ट है कि महीनों पहले साइन-अप के गुणकों के साथ समाप्ति का संबंध है। यही है, 10 मई को साइन-अप में एक स्पाइक, जून 10, जुलाई 10 और अगस्त 10 में समाप्ति और इतने पर वृद्धि की ओर बढ़ेगा, हालांकि प्रभाव बंद हो जाता है।

मैं एक संकेत प्राप्त करने की उम्मीद कर रहा हूं कि इस विशिष्ट समस्या के लिए मैं किन मॉडलों को नियोजित कर सकता हूं। कोई भी सलाह काफी सराही जाएगी..

अब तक, मैं एक VAR मॉडल के बारे में सोच रहा हूं, लेकिन मुझे यकीन नहीं है कि मासिक प्रभाव को कैसे शामिल किया जाए - लैग्स के वास्तव में उच्च क्रम का उपयोग करें या किसी भी तरह से एक मौसमी घटक जोड़ें?

जवाबों:


1

CCF भूखंड 29 से 31 के लिए कैसा दिखता है? क्या स्पाइक्स अक्सर पर्याप्त होते हैं जो इसे दिखाते हैं? आप यह जांचने के लिए ग्रेंजर टेस्ट का उपयोग कर सकते हैं कि कौन से लैग्ड मूल्य सांख्यिकीय रूप से महत्वपूर्ण हैं।


हां, 28-31, विशेषकर 30 वें स्थान पर CCF प्लॉट में स्पष्ट स्पिक हैं।
wije

1

महीने के स्तर के मॉडल

आपको समाप्त करने के लिए प्रवृत्ति में महीने के स्तर की विविधता को पकड़ना चाहिए (क्रिसमस की छुट्टियों के दौरान साइन अप करने की संभावना अप्रैल से साइनअप की तुलना में समाप्त होने की अधिक संभावना है)। मान लीजिए कि आपका सामान्य समय श्रृंखला मॉडल है:

टीआरमैंnटीमैंnरोंटी=β1रोंमैंजीnयूपीरोंटी-1+β2रोंमैंजीnयूपीरोंटी-2+
। अब अगर आपको लगता है कि मापदंडोंβ1 आदि महीने के विशिष्ट हैं आप शेष भविष्यवक्ताओं के साथ महीने के संकेतक ध्वज को इंटर कर सकते हैं।

इस प्रकार आपका नया कार्यात्मक रूप होगा

टीआरमैंnटीमैंnरोंटी=β1'रोंमैंजीnयूपीरोंटी-1nटीएफएलजीटी-1+β2'रोंमैंजीnयूपीरोंटी-2nटीएफएलजीटी-1+
यह महीने के स्तर के मॉडल के निर्माण के लिए समान है, जो कि समाप्त होने की प्रवृत्ति में महीने के विशिष्ट बदलावों को पकड़ने में अधिक लचीलापन देता है
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.