بروك - اريما الحركة من المتوسط

نظرة عامة على الإجراء أريما: إجراء أريما يقوم الإجراء أريما بتحليل وتنبؤ بيانات المسلسلات الزمنية المتفاوتة المتفاوتة، وبيانات نقل البيانات، وبيانات التدخل باستخدام نموذج الانحدار الذاتي المتكامل (أريما) أو نموذج الانحدار الذاتي الانحداري (أرما). ويتوقع نموذج أريما قيمة في سلسلة زمنية للاستجابة كخطوة خطية من قيمه السابقة، والأخطاء السابقة (وتسمى أيضا الصدمات أو الابتكارات)، والقيم الحالية والسابقة لسلاسل زمنية أخرى. تم الترويج لأول مرة لنهج أريما من قبل بوكس ​​وجينكينز، ونماذج أريما غالبا ما يشار إليها بنماذج بوكس-جينكينز. وناقش صندوق و تياو (1975) نموذج وظيفة النقل العام الذي استخدمه الإجراء أريما. عندما يتضمن نموذج أريما سلسلة زمنية أخرى كمتغيرات المدخلات، يشار إلى النموذج أحيانا باسم نموذج أريماكس. بانكراتز (1991) يشير إلى نموذج أريماكس كما الانحدار الديناميكي. يوفر الإجراء أريما مجموعة شاملة من الأدوات لتحديد المتغيرات ونيفاريت نموذج سلسلة الوقت، وتقدير المعلمة، والتنبؤ، وأنه يوفر مرونة كبيرة في أنواع أريما أو نماذج أريماكس التي يمكن تحليلها. ويدعم الإجراء أريما الموديلات الموسمية، الفرعية، و أريما فاكتوريد التدخل أو انقطاع سلسلة زمنية نماذج تحليل الانحدار المتعدد مع أخطاء أرما ونقلا عقلانية نماذج وظيفة من أي تعقيد. ويتبع تصميم بروك أريما عن كثب استراتيجية بوكس-جينكينز لنمذجة السلاسل الزمنية مع ميزات لتحديد وتقدير وفحص تشخيصي، وخطوات التنبؤ لطريقة بوكس-جينكينز. قبل استخدام بروك أريما، يجب أن تكون على دراية بأساليب بوكس-جينكينز، ويجب عليك ممارسة الرعاية والحكم عند استخدام الإجراء أريما. فئة أريما من نماذج السلاسل الزمنية معقدة وقوية، وهناك حاجة إلى درجة معينة من الخبرة لاستخدامها بشكل صحيح. كوبيرايت ساس إنستيتيوت Inc. جميع الحقوق محفوظة. مقدمة إلى ساس: بروك أريما يتم تحليل بيانات السلاسل الزمنية في المجال الزمني مع هذا الإجراء. يمكن استخدام منهجية بوكس-جينكينز (تركيب نماذج أريما مع بيانات السلاسل الزمنية) ونماذج نقل الوظائف (نوع الإدخال) أيضا. تحليل نطاق التردد من السلاسل الزمنية يمكن أن يتم باستخدام بروك أطياف. ويتمثل إطار التحليل في أن السلسلة الزمنية الملحوظة X (t) ثابتة وتستوفي معادلة أرما للشكل حيث Z (t) هي عملية ضوضاء بيضاء. الثوابت فاي (1). ويسمى في (p) معاملات الانحدار الذاتي ويسمى الرقم p بترتيب الانحدار الذاتي. الثوابت ثيتا (1). ويسمى ثيتا (q) معاملات المتوسط ​​المتحرك، ويسمى الرقم q بترتيب متوسط ​​المتوسط ​​المتحرك. ومن الممكن أن تكون p أو q صفرا. استخدام بروك أريما لتناسب نماذج أرما يتكون من 3 خطوات. والخطوة الأولى هي تحديد النموذج الذي تتحول فيه السلسلة الملحوظة لتكون ثابتة. والتحول الوحيد المتاح داخل بروك أريما هو الاختلاف. والخطوة الثانية هي تقدير النموذج، حيث يتم اختيار الأوامر p و q ويتم تقدير المعلمات المقابلة. والخطوة الثالثة هي التنبؤ، حيث يستخدم النموذج المقدر للتنبؤ بالقيم المستقبلية للمسلسلات الزمنية الملحوظة. وكمثال على ذلك، سيتم تحليل ملف data. dat ملف البيانات التي تحتوي على إنتاج الحليب المأخوذ من كراير. وفيما يلي الأوامر التي يمكن استخدامها لكل من الخطوات 3. خيارات لبيان التعريف: مطلوب بيان فار ويحدد المتغير (ق) في مجموعة البيانات التي سيتم تحليلها. وتحدد الأعداد الاختيارية بين قوسين لاغ التي تحسب فيها الفروق. وبيان فارميلك تحليل سلسلة الحليب دون أي فارينيلك الفرق (1) من شأنه أن يحلل الفرق الأول من الحليب فارميلك (1،1) الفرق الثاني من الحليب. وتنتج العبارة فار 3 مؤامرات للمتغير المحدد: دالة الترابط الذاتي للعينة، ودالة الارتباط الذاتي العكسي للعينة، ودالة الارتباط الذاتي الجزئي للعينة. يتم طباعة هذه المؤامرات الخام والجداول من قيمها في إطار الإخراج. يمكن إنتاج قطع عالية الجودة من خلال استخدام خيارات أخرى (مفصلة أدناه) و بروك غلوت. ويؤدي الخيار نلاغ إلى قطع المؤامرات الثلاث لطباعة القيم حتى فاصل زمني 30. وإذا لم يكن محددا، فإن القيمة الافتراضية هي nlag24 أو 25 من عدد المشاهدات، أيهما أقل. يطرح خيار الوسط متوسط ​​السلسلة المحددة بواسطة عبارة فار. تتم إضافة المتوسط ​​مرة أخرى تلقائيا أثناء خطوة التنبؤ. ويضع الخيار أوتكوف قيم دوال ارتباط العينة في مجموعة بيانات ساس. ويمكن استخدام هذه القيم لإنتاج قطع عالية الجودة من هذه الوظائف باستخدام بروك غلوت. متغيرات الإخراج هي: لاغ. فار (اسم المتغير المحدد في الخيار فار)، كروسفار (اسم المتغير المحدد في الخيار كروسكور)، N (عدد الملاحظات المستخدمة لحساب القيمة الحالية للتغاير أو التبادلية)، كوف (قيمة الصليب (قيمة دالة الترابط الذاتي للعينة)، و ستدير (خطأ معياري في الارتباطات التلقائية)، و إنفكور (قيم الدالة العاكسة ذات الارتباط العكسي)، و بارتكور (قيم الدالة الجزئية للارتباط الذاتي). الخيار نوبرينت يقمع إخراج الرسوم البيانية ذات جودة منخفضة التي تم إنشاؤها عادة من خلال بيان فار. يستخدم هذا الخيار في المقام الأول مع خيار أوتكوف. خيارات لبيان التقدير: تحدد الخيارات P1 q3 أوامر متوسط ​​السرعة التلقائي والمتحركة لتكون ملائمة. الأشكال الأخرى لهذه المواصفات هي: q (3) لتحديد أن فقط المعلمة ثيتا (3) يسمح أن يكون صفر صفر (12) (3) لنموذج موسمي (1-في (12) B12) (1 (3) B3) حيث B هو عامل الترحيل الخلفي p (3،12) لنموذج يسمح فيه فقط في (3) و في (12) بأن يكون غير صفر. يستخدم الخيار نودف حجم العينة بدلا من درجات الحرية كما المقسوم عند تقدير التباين الضوضاء البيضاء. يختار خيار الطريقة طريقة التقدير للمعلمات. والخيارات هي مل للحد الأقصى (غاوسيان) تقدير الاحتمال، أولس للمربعات الصغرى غير المشروطة، و كلس للمربعات الصغرى الشرطية. ينتج الخيار مؤامرة نفس 3 المؤامرات كما هو الحال في بيان تعريف للمقاييس بعد يتم تقدير المعلمات نموذج. هذا هو الاختيار مفيد آخر على بياض البقايا. خيارات بيان التنبؤ: يحدد الخيار الرئيسي عدد الفترات الزمنية في المستقبل التي ينبغي وضع التنبؤات بشأنها. وباستخدام الخيارات الخارجية والطباعية في بيان التوقعات، سيتم إنشاء مجموعة بيانات ساس تحتوي على قيم السلسلة الأصلية والقيم المتوقعة للسلسلة باستخدام النموذج في جميع الأوقات. ويمكن أن يكون ذلك مفيدا لتحليل الأداء السابق للنموذج. وفي الممارسة العملية، تتم تجربة عدة بيانات تقديرية مختلفة بالتتابع لمعرفة أفضل نموذج يناسب البيانات. بروك أريما تفاعلية، بمعنى أن هذه المحاولات المتتابعة يمكن إجراؤها دون إعادة تشغيل الإجراء. ببساطة تقديم بيانات التقدير المتعاقبة سيتم الاحتفاظ بيان تحديد الأصلي. يمكن أن تكون نماذج وظائف النقل ملائمة باستخدام الخيار كروسكور لبيان التعريف وخيار الإدخال في بيان التقدير. يتم توضيح آليات هذا الإجراء ل وهمية مجموعة البيانات التي تحتوي على سلسلتين زمنيتين التي ترتبط بها نموذج وظيفة نقل. وفي هذه الحالة، يعتمد Y على X. أولا، تتم نمذجة العملية X باستخدام عبارات التحديد والتقدير. ثم يتم تحديد Y وتقدير العلاقة المتبادلة بين العمليات التي كانت مخففة مسبقا X و Y. قد يبدو البرنامج على هذا النحو. ومن معلومات الترابط المتقاطع، يمكن تحديد الفواصل الزمنية التي تؤثر فيها عملية المدخل X على Y. لاحظ أن يسمح فقط النماذج السببية غير الصفر الترابط عبر في التأخر السلبي لا يمكن أن يكون نموذجا في بروك أريما. وللتوضيح، مثلا، فإن التأخيرات غير الصفرية هي 2 و 4. ويمكن تقدير العملية Y على النحو التالي. ويكون الإدخال من النموذج دب 2B4 B2 (دب 2). هذا هو الشكل الأخير الذي يعطي شكل بيان الإدخال. لاحظ أن بيان التقدير يشير دائما إلى أحدث بيان تحديد لتحديد المتغير (المتغيرات) التي يجب تضمينها في النموذج. وهكذا يتم التعامل مع الاختلاف والتمركز تلقائيا (إذا ما استخدمت) باستثناء أن الاختلاف يجب أن يكون محددا بوضوح في بيان كروسكور. لمزيد من التفاصيل انظر المساعدة عبر الإنترنت تحت ساس نظام مساعدة - نماذج تحليل أمب أدوات - إكونوميتريكس أمبير الوقت سلسلة - أريما أو دليل ساسيتس. كوبي حقوق الطبع والنشر 2016 جيري آلان فيه. جميع الحقوق محفوظة. الإجراء أريما يوفر الإجراء أريما تحديد، وتقدير المعلمة، والتنبؤ نماذج الانحدار الذاتي المتكاملة المتكاملة (بوكس-جينكينز) نماذج الموسمية أريما، ونماذج وظيفة نقل، ونماذج التدخل. يوفر الإجراء أريما كامل أريما (مربع جينكينز) النمذجة مع عدم وجود حدود على ترتيب الانحدار الذاتي أو المتوسط ​​المتحرك العمليات. ويمكن أن يتم تقدير من قبل أقصى احتمال ممكن، المشروط المربعات الصغرى، أو المربعات الصغرى غير المشروطة. وبالإضافة إلى ذلك يمكنك نموذج نماذج التدخل، نماذج الانحدار مع أخطاء أرما، ونماذج نقل وظيفة مع وظائف نقل عقلانية عامة تماما، والموديلات أريما الموسمية. وتشمل عمليات تشخيص الهوية في النموذج ARIMA39s قطع الترابط الذاتي، والعلاقة الذاتية الجزئية، والعلاقة الذاتية العكسية، ووظائف الترابط المتبادل. بروك أريما كما يسمح مؤقتة تحديد الانحدار الذاتي تحديد (أرما) تحديد النظام على أساس أصغر ارتباط متعارف عليه، الموسعة عينة وظيفة الارتباط الذاتي، أو تحليل معايير المعلومات. يسمح باستيفاء القيم الناقصة المستندة إلى نموذج أريما. ويرتبط التنبؤ بطرق تقدير المعلمات. وتستخدم التنبؤات ذاكرة محدودة للنماذج المقدرة من قبل أقصى احتمال أو المربعات الصغرى غير الخطية الدقيقة، في حين يتم استخدام توقعات الذاكرة لانهائية للنماذج المقدرة من قبل المربعات الصغرى الشرطية. يقدم الإجراء أريما مجموعة متنوعة من الإحصاءات التشخيصية النموذجية، بما في ذلك معيار المعلومات Akaike39s (إيك) معيار شوارز 39s بيزيان (سبك أو بيك) لجونغ بوكس ​​إحصائيات مربع مربع تشي لاختبارات الضوضاء البيضاء اختبارات ستاتياريتي، بما في ذلك زيادة ديكي فولر (بما في ذلك وحدة الموسمية اختبار الجذر)، فيليبس-بيرون، والمشي العشوائي مع اختبارات الانجراف يقوم الماكرو دفتست بإجراء اختبارات ديكي-فولر لجذور الوحدات البسيطة أو جذور الوحدة الموسمية في سلسلة زمنية. الميكرو دفتست مفيد لاختبار الاستبانة وتحديد ترتيب الاختلاف اللازم لنمذجة أريما لسلسلة زمنية. التوثيق للحصول على مزيد من التفاصيل، راجع دليل مستخدمي السجل ساسيتس