আরে একাধিক বহিরাগত ভেরিয়েবল সহ অরিমা সময় সিরিজের পূর্বাভাস (অটো.রিমা)


14

আমি একাধিক বহিরাগত ভেরিয়েবলগুলি সহ একাধিক সময় সিরিজ আরিমা-মডেলের উপর ভিত্তি করে একটি পূর্বাভাস পরিচালনা করতে চাই। যেহেতু আমি কোনও পরিসংখ্যান বা আরআইও রাখতে চাই না দক্ষতার তুলনায় যতটা সম্ভব সহজ (তিন মাসের ট্রেন্ডের পূর্বাভাস যথেষ্ট)।

আমার 1 নির্ভরশীল সময় সিরিজ এবং 3-5 প্রেডিকটার সময় সিরিজ, সমস্ত মাসিক ডেটা, কোনও ফাঁক নেই, একই সময় "দিগন্ত"।

আমি অটো.রিমা ফাংশনটির মুখোমুখি হয়েছি এবং নিজেকে জিজ্ঞাসা করেছি এটি আমার সমস্যার উপযুক্ত সমাধান হতে পারে কিনা। আমার কাছে পণ্যগুলির বিভিন্ন দাম এবং সেগুলি থেকে তৈরি পণ্যগুলির দাম রয়েছে। সমস্ত কাঁচা তথ্য অচল are স্থানে থাকে তবে ফার্স্ট-অর্ডার ডিফারেন্সের মাধ্যমে সেগুলি সমস্ত স্থির ডেটা হয়ে যায়। এডিএফ, কেপিএস এটি সূচিত করে। (এর অর্থ হল যে আমি সংহতকরণের জন্য পরীক্ষা করেছি, তাই না?)

আমার এখন প্রশ্ন: অটো.রিমা ফাংশন দিয়ে আমি কীভাবে এটি প্রয়োগ করব এবং যাই হোক আরিমা কি সঠিক পদ্ধতির? কিছু পিপিএল ইতিমধ্যে আমাকে ভিএআর ব্যবহার করার পরামর্শ দিয়েছিল, তবে এটি কি আরিমা দিয়েও সম্ভব?

নিম্নলিখিত টেবিলটি আমার ডেটা। প্রকৃতপক্ষে ডেটা-সেটটি 105 টি পর্যবেক্ষণ সত্ত্বেও প্রথম 50 টি করবে। প্রবণতা পাশাপাশি seasonতুসত্তা এখানে অবশ্যই স্পষ্ট interest

এখানে চিত্র বর্ণনা লিখুন

কোন পরামর্শ এবং সাহায্যের জন্য ধন্যবাদ! গেয়র্গ


দয়া করে আপনার ডেটা পোস্ট করুন যাতে এটি ডাউনলোড করা যায়। এক্সেল ব্যবহার করুন। এটি কেবল অপ্রয়োজনীয় (সম্ভবত উল্লেখযোগ্যভাবে ক্রস-সম্পর্কিত) ইনপুট সিরিজ সনাক্ত করার জন্য একটি কাজ হতে পারে। আমি মনে করি না যে
ভিএআর

উত্তর:


10

আপনার বাহ্যিক regressors জন্য কার্যকারণ হন কিন্তু প্রায় অন্য উপায় এবং একে অপরের সৃষ্টি করে না, তারপর Arima স্পষ্টভাবে উপযুক্ত। আপনার বিভিন্ন সময় সিরিজগুলি একে অপরের উপর নির্ভর করে যদি ভিএআরটি বোঝায়।y

auto.arima()বাহ্যিক রেজিস্ট্রারদের সাথে কাজ করার জন্য , আপনার রেজিস্ট্রারগুলিকে একটি ম্যাট্রিক্সে সংগ্রহ করুন X, যা আপনি xregপ্যারামিটারে ফিড করেন auto.arima()। (অবশ্যই, আপনি যে মডেলিংয়ের Xসময় সিরিজটি করছেন তার সমান সংখ্যক সারি অবশ্যই থাকতে হবে y))

পূর্বাভাসের জন্য, আপনার রেজিস্ট্রারগুলির ভবিষ্যতের মানগুলির প্রয়োজন হবে যা আপনি আবার xregপ্যারামিটারে ফিড করেন forecast

সহায়তা পৃষ্ঠাগুলি হ'ল ?auto.arimaএবং ?forecast.Arima(মূলধন A এ নোট করুন - এটি কোনও টাইপো নয় me আমাকে জিজ্ঞাসা করবেন না ...)।


1
(+1) কার্যকারিতা এবং এটি কীভাবে পরীক্ষা করা যায় সে সম্পর্কে আপনি কিছুটা বিশদভাবে ব্যাখ্যা করতে পারেন। এটি আপনার উত্তরের সম্পূর্ণতার জন্য সহায়ক হতে পারে, কারণ আপনি উল্লেখ করেছেন যে আরিমা ব্যবহারের সিদ্ধান্তটি ভেরিয়েবলের মধ্যে কার্যকারণের দিকনির্দেশ দ্বারা নির্ধারিত হয়। আপনি উদাহরণস্বরূপ গ্র্যাঞ্জার কার্যকারিতা পরীক্ষা বা হাউসমান পরীক্ষা সম্পর্কে চিন্তাভাবনা করছেন ? ধন্যবাদ।
জাভালাকলে

3
@ জাভালাক্যালে: কার্যকারিতার জন্য আমি পরিসংখ্যান পরীক্ষার খুব বড় ভক্ত নই (যার মধ্যে গ্রেঞ্জার পরীক্ষাটি সর্বাধিক পরিচিত)। আমি বিষয়টির উপর ভিত্তি করে "সম্ভাব্য কার্যকারিতা" সম্পর্কে সিদ্ধান্ত নেওয়া বেশি পছন্দ করি। উদাহরণস্বরূপ, দাম হ্রাস সুপারমার্কেট বিক্রয় বা অন্য উপায়ে বাড়ায় কিনা তা নির্ধারণ করার জন্য আমি গ্রানজার পরীক্ষাটি ব্যবহার করব না। বা জিডিপি, বিনিময় হার এবং কাজের সৃষ্টি পারস্পরিক কার্যকারণীয় কিনা তাও নয়। উভয় ক্ষেত্রেই বিষয়টি যথেষ্ট সুস্পষ্টভাবে উপস্থিত হয় এবং তত্ত্বের সাথে সামঞ্জস্যপূর্ণ পরীক্ষা আমাদের কিছু শেখায় না, যখন একটি তত্ত্বের বিরোধী তত্ত্বটি কেবল বিভ্রান্তিকর হবে (এবং সম্ভবত গোলমাল ছাড়া আর কিছু হবে না)।
স্টিফান কোলাছা

1
... আমি জানি যে আমি আমার শেষ মন্তব্যটি দিয়ে শিখার জন্য নিজেকে উন্মুক্ত করছি ;-)
স্টিফান কোলাছা

@ স্টিফান: আপনার ইনপুট জন্য ধন্যবাদ। যদিও আমার y রেজিস্ট্রারগুলির দ্বারা সংঘটিত হয়েছে এবং অন্যভাবে নয়, তবে আমার রেজিস্ট্রাররা একে অপরের সাথে সুনির্দিষ্টভাবে সম্পর্কযুক্ত এবং একে অপরের উপর আরও কম-বেশি সরাসরি প্রভাব ফেলতে হবে। আপনার মন্তব্য অনুসারে, এর অর্থ হ'ল আমার আরিমার পরিবর্তে ভিএআর ব্যবহার করা উচিত, কারণ এটি সমস্যাগুলি (?) এড়াতে পারে। আমি এখানে পণ্য / পণ্যের দামের একটি বান্ডিল ব্যবহার করছি, যা মূলত সকলেই একটি নির্দিষ্ট পয়েন্ট পর্যন্ত একে অপরের সাথে সম্পর্কিত। "কাঁচামাল" আমার ওয়াই, মান শৃঙ্খলা থেকে পণ্য এবং পাশাপাশি পণ্যগুলি ইত্যাদি আমার ভবিষ্যদ্বাণীকারী।
জর্জ

1
ডেটা প্রসঙ্গে জানার ক্ষেত্রে সর্বদা সহায়ক এবং যে কোনও বিশ্লেষণের ফলাফলকে আমাদের পূর্বের জ্ঞানের সাথে তুলনা করা উচিত । কিছু সতর্কতা যাইহোক পরামর্শ দেওয়া হয়। অন্তর্দৃষ্টি কখনও কখনও ব্যর্থ হয় এবং তত্ত্বগুলি যা কখনও কখনও অনুমোদনের জন্য নেওয়া হয় সেগুলি অনুমানগুলির উপর নির্ভর করে যা সত্য দ্বারা সমর্থিত নয়। তবে আমি আপনাকে বোঝাতে চাই এবং সামগ্রিকভাবে সম্মত।
জাভালাকল
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.