共计 1507 个字符，预计需要花费 4 分钟才能阅读完成。
全文链接：http://tecdat.cn/?p=30861
原文出处：拓端数据部落公众号
本文对汽车销量数据进行工夫序列数据分析，咱们向客户演示了用 SPSS 的 ARIMA、指数平滑法能够提供的内容。
操作步骤：
- 先加日期
- 散点图
- 再去趋势化
- 再去季节性
- 再模仿模型 ARIMA 剖析
- 得出结论
查看数据
工夫序列散点图
图：sales 序列
从趋势图能够显著看出，工夫序列的特点为：呈线性趋势、有季节性变动，但节令稳定随着趋势减少而加大。
指数平滑法剔除趋势项
季节性合成
ARIMA 模型拟合
| 模型形容 | |||
|---|---|---|---|
| 模型类型 | |||
| 模型 ID | 销量 | 模型_1 | ARIMA(1,0,0)(1,0,0) |
模型摘要
| 模型拟合 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 拟合统计量 | 均值 | SE | 最小值 | 最大值 | 百分位 | ||||||
| 5 | 10 | 25 | 50 | 75 | 90 | 95 | |||||
| 安稳的 R 方 | .440 | . | .440 | .440 | .440 | .440 | .440 | .440 | .440 | .440 | .440 |
| R 方 | .496 | . | .496 | .496 | .496 | .496 | .496 | .496 | .496 | .496 | .496 |
| RMSE | 20.957 | . | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 | 20.957 |
| MAPE | 8.783 | . | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 | 8.783 |
| MaxAPE | 45.945 | . | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 | 45.945 |
| MAE | 14.824 | . | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 | 14.824 |
| MaxAE | 57.941 | . | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 | 57.941 |
| 正态化的 BIC | 6.292 | . | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 | 6.292 |
| 模型统计量 | ||||||
|---|---|---|---|---|---|---|
| 模型 | 预测变量数 | 模型拟合统计量 | Ljung-Box Q(18) | 离群值数 | ||
| 安稳的 R 方 | 统计量 | DF | Sig. | |||
| 销量 - 模型_1 | 0 | .440 | 35.895 | 16 | .003 | 0 |
误差白噪声测验
· 模型拟合并相比较简单季节性和 Winters 模型没有太大的劣势，后果可承受。Sig. 列给出了 Ljung-Box 统计量的显著性值，该测验是对模型中残差谬误的随机测验；示意指定的模型是否正确。显著性值大于 0.05 示意残差误差是随机的，则意味着所观测的序列中应用该模型拟合较好。
· 安稳的 R 方：显示固定的 R 平方值。此统计量是序列中由模型解释的总变异所占比例的估计值。该值越高（最大值为 1.0），则模型拟合会越好。
· 查看模型残差的自相干函数 (ACF) 和偏自相干函数 (PACF) 的值比只查看拟合优度统计量能更多地从量化角度来理解模型。
最受欢迎的见解
1. 在 python 中应用 lstm 和 pytorch 进行工夫序列预测
2.python 中利用长短期记忆模型 lstm 进行工夫序列预测剖析
3.Python 用 RNN 循环神经网络：LSTM 长期记忆、GRU 门循环单元、回归和 ARIMA 对 COVID-19 新冠疫情新增人数工夫序列
4.Python TensorFlow 循环神经网络 RNN-LSTM 神经网络预测股票市场价格工夫序列和 MSE 评估准确性
5.r 语言 copulas 和金融工夫序列案例
6.R 语言用 RNN 循环神经网络、LSTM 长短期记忆网络实现工夫序列长期利率预测
7.Matlab 创立向量自回归（VAR）模型剖析消费者价格指数 (CPI) 和失业率工夫序列
8.r 语言 k -shape 工夫序列聚类办法对股票价格工夫序列聚类
9. R 语言联合新冠疫情 COVID-19 股票价格预测：ARIMA，KNN 和神经网络工夫序列剖析
