Запитання з тегом «arima»

Я зайнятий моделюванням ARIMA, доповненим екзогенними змінними для цілей рекламного моделювання, і мені важко пояснити це діловим користувачам. У деяких випадках програмні пакети закінчуються простою функцією передачі, тобто параметром * Exogenous Variable. У цьому випадку інтерпретація є простою, тобто промоційна діяльність X (представлена ​​екзогенною бінарною змінною) впливає на залежну змінну …

9 time-series  data-visualization  forecasting  arima  causality 

Коли я вступаю в прогнозування за допомогою моделей ARIMA, я намагаюся зрозуміти, як я можу покращити прогноз на основі підходу ARIMA із сезонністю та дрейфом. Мої дані - наступний часовий ряд (понад 3 роки, з чіткою тенденцією вгору та видимою сезонністю, яка, схоже, не підтримується автокореляцією з відставаннями 12, 24, …

9 r  time-series  forecasting  arima  seasonality 

Оскільки ми не можемо підходити до моделі ARIMA, коли припущення про постійну дисперсію порушується, яку модель можна використовувати для пристосування одновимірних часових рядів?

9 time-series  modeling  forecasting  arima 

Я встановив модель ARIMA (5,1,2), використовуючи auto.arima()функцію R, і, шукаючи порядок, можна сказати, що це не найкраща модель для прогнозування. Якщо в ряді даних існують інші люди, який спосіб пристосувати модель до таких даних?

9 r  time-series  forecasting  outliers  arima 

Наступні трансплантати взяті з цієї статті . Я новачок у завантажувальній програмі та намагаюся реалізувати параметричне, напівпараметричне та непараметричне завантажувальне завантаження для лінійної змішаної моделі з R bootпакетом. R код Ось мій Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Мої дані - це часовий ряд зайнятого населення, L та часовий проміжок, рік. n.auto=auto.arima(log(L),xreg=year) summary(n.auto) Series: log(L) ARIMA(2,0,2) with non-zero mean Coefficients: ar1 ar2 ma1 ma2 intercept year 1.9122 -0.9567 -0.3082 0.0254 -3.5904 0.0074 s.e. NaN NaN NaN NaN 1.6058 0.0008 sigma^2 estimated as 1.503e-06: log likelihood=107.55 AIC=-201.1 AICc=-192.49 BIC=-193.79 …

9 r  regression  arima