পূর্বাভাসের জন্য টিমসিরিজ মডেল বনাম সাধারণ রৈখিক মডেল

Question

জেনারেলাইজড লিনিয়ার মডেলগুলি যেমন স্বয়ংক্রিয় প্রাসঙ্গিকতা নির্ধারণ (এআরডি) এবং রিজ রিগ্রেশন ব্যবহারের ক্ষেত্রে পার্থক্যগুলি কী? কখন জিএলএম ব্যবহার করতে হবে এবং কখন সময় সিরিজ ব্যবহার করতে হবে তার কোনও থাম্বের কোনও নিয়ম রয়েছে?

Comments

রিজ রিগ্রেশন কোনও সাধারণ রৈখিক মডেল নয়। সংযোজন$\mathcal{L}_2$পেনাল্টি এটিকে মিনিম্যাক্স অনুমানকারী করে তোলে। এটি একটি জিএলএমের একটি পরিবর্তন। সাধারণভাবে, তবে, জিএলএমগুলি অটোরিগ্রেসিভ কোভারিয়েন্স স্ট্রাকচার ব্যবহার করে না তবে পিছনে স্থির প্রভাবগুলি অন্তর্ভুক্ত থাকতে পারে।

— অ্যাডমো

GLM প্রবণতা, seasonতু এবং চক্রের পূর্বাভাস দেয় না। আরিমা করে।

— হেনরিঝু

Answer 1

আসলেই বিশেষজ্ঞ নন তবে এই প্রশ্নটি কিছুক্ষণের জন্য উত্তরহীন হয়েছে, তাই আমি একটি উত্তর চেষ্টা করব: আমি জিএলএম এবং টাইম সিরিজের মডেলগুলির মধ্যে একটি ল à বক্স এবং জেনকিন্সের মধ্যে 3 পার্থক্য সম্পর্কে ভাবতে পারি:

1) জিএলএমগুলি পরিবর্তনশীল ওয়াইকে অন্য কিছু ভেরিয়েবল এক্স (ওয়াই = ফ (এক্স)) এর ফাংশন হিসাবে মডেল করতে হয়। টাইম সিরিজের মডেলগুলিতে আপনি (বেশিরভাগ?) মডেলিং পরিবর্তনশীল ওয়াইকে নিজের ফাংশন হিসাবে দেখেন, তবে আগের সময়ের পদক্ষেপগুলি থেকে (Y (t) = f (Y (t-1), Y (t-2), ...) );

2) পূর্ববর্তী পয়েন্টের সাথে সম্পর্কিত: জিএলএমগুলি ইনপুট কোভেরিয়েটের স্বতঃসংশোধনের জন্য বিবেচনা করে না, যখন আরিমা'র মতো সময় সিরিজের মডেলগুলি প্রকৃতির স্ব-সম্পর্কিত nature

৩) আমি মনে করি অটো-রিগ্রসিটিভ মডেলগুলি অনুমানের ভিত্তিতে যে অবশিষ্টাংশগুলি শূন্যের সাথে স্বাভাবিক থাকে, তবে জিএলএমগুলি প্রতিক্রিয়ার ভেরিয়েবলের আরও জটিল ডেটা কাঠামো গ্রহণ করে, সম্ভবত একটি সাধারণ-সাধারণ বিতরণ (গামা, পোইসন ইত্যাদি) রয়েছে।

জিএলএম কখন ব্যবহার করতে হবে এবং কখন সময় সিরিজ ব্যবহার করতে হবে? আপনি যতক্ষণ না আপনার মডেল সময়ে এলোমেলো প্রভাব হিসাবে বিবেচনা করছেন, আমি মনে করি জিএলএমগুলি কেবল মডেল সময় সিরিজের ভুল পদ্ধতি।

Comments

আপনার মন্তব্য 1) মোটেও সঠিক নয়, টাইম সিরিজ মডেলগুলি (বাক্স এবং জেনকিনস মডেলস) এআরএমএক্স মডেলগুলি ওরফ ট্রান্সফার ফাংশন মডেলগুলিতে অন্তর্ভুক্ত থাকতে পারে যা ইনপুট (প্রেডিক্টর সিরিজ) অন্তর্ভুক্ত করতে পারে যা ব্যবহারকারী-নির্দিষ্ট ভবিষ্যদ্বাণী এবং সুপ্ত নির্ঘাটন কাঠামো (যেমন ডাল, পদক্ষেপ) ব্যবহার করতে পারে / স্তরের শিফট, মৌসুমী ডাল স্থানীয় সময়ের প্রবণতা) চিহ্নিত হওয়ার জন্য অপেক্ষা করছে। আরও আলোচনার জন্য stats.stackexchange.com/search?q=user%3A3382+ ট্রান্সফার + ফাংশন + দেখুন

— আইরিশস্ট্যাট

এই মন্তব্য সব সঠিক নয়। সাধারণ লিনিয়ার মডেল ত্রুটির শর্তাবলী স্বতঃসম্পর্কতার জন্য অ্যাকাউন্ট করতে পারে।

— lzstat