¿Qué es el análisis de series de tiempo?

Modelo ARIMA (Modelo de media móvil autorregresiva), que es el método de análisis de predicción de series temporales más común. Los datos históricos se pueden utilizar para predecir lo que vendrá. El modelo ARIMA se puede dividir en tres elementos, a saber, el modelo AR, I (diferencia) y el modelo MA. SPSSAU encuentra inteligentemente el mejor modelo AR, I es el valor de diferencia 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 AIC para atravesar cada construcción del modelo. Se lleva a cabo utilizando posibles combinaciones de modelos, y combinado con la regla de mínimo AIC, finalmente se obtiene el mejor modelo.

Por supuesto, los investigadores también pueden configurar el modelo AR, el orden de diferencia y el modelo MA por sí mismos, es decir, establecer el orden autorregresivo p, el valor d del orden de diferencia y el orden de media móvil q respectivamente, y luego construye el modelo. En cuanto al orden autorregresivo p, el valor d del orden de diferencia y el valor q del orden promedio móvil, se recomienda que los investigadores utilicen diagramas de (auto)correlación parcial para el análisis respectivamente (SPSSAU también proporciona sugerencias inteligentes sobre el valor p o el valor q). Análisis de prueba del ADF para obtener el valor d del orden de diferencia apropiado (SPSSAU también proporciona sugerencias de manera inteligente para el mejor valor d del orden de diferencia).

El modelo ARIMA se puede dividir en tres elementos, a saber, el modelo AR, I (diferencia) y el modelo MA. SPSSAU encuentra de forma inteligente el mejor modelo AR, es decir, el valor de diferencia y el modelo MA. Por supuesto, si el investigador configura el modelo AR, el orden de diferencias y el modelo MA por sí mismo, es decir, establece el orden autorregresivo p, el valor d del orden de diferencias y el orden de media móvil q respectivamente, en este momento SPSSAU construirá el modelo. según la configuración del investigador. Se recomienda que los usuarios utilicen directamente el análisis inteligente de SPSSAU.

El funcionamiento de SPSSAU es como se muestra en la figura ""