আমি একটি দৈনিক সময় সিরিজে একটি আরিমা মডেল ফিট করছি। ডেটা 02-01-2010 থেকে 30-07-2011 পর্যন্ত প্রতিদিন সংগ্রহ করা হয় এবং খবরের কাগজ বিক্রয় সম্পর্কে। যেহেতু বিক্রয়ের একটি সাপ্তাহিক প্যাটার্ন পাওয়া যায় (দৈনিক গড় কপি বিক্রি হয় সোমবার থেকে শুক্রবার পর্যন্ত একই হয়, তারপরে শনি ও রবিবার বৃদ্ধি হয়), তাই আমি এই "seasonতুসত্তা" ক্যাপচার করার চেষ্টা করছি। বিক্রয় ডেটা "ডেটা" দেওয়া, আমি সময় সিরিজ নিম্নলিখিত হিসাবে তৈরি করি:
salests<-ts(data,start=c(2010,1),frequency=365)
এবং তারপরে আমি এআইসির মানদণ্ডের মাধ্যমে সেরা আরিমা মডেল নির্বাচন করতে অটো.রিমা (।) ফাংশনটি ব্যবহার করি। ফলাফলটি সর্বদা একটি অ-মৌসুমী আরিমা মডেল, তবে আমি উদাহরণ হিসাবে নীচের বাক্য গঠন সহ কিছু SARIMAs মডেল চেষ্টা করি:
sarima1<-arima(salests, order = c(2,1,2), seasonal = list(order = c(1, 0, 1), period = 7))
আমি আরও ভাল ফলাফল পেতে পারেন। Ts কমান্ড / আরিমা স্পেসিফিকেশন কিছু ভুল আছে? সাপ্তাহিক প্যাটার্নটি খুব শক্তিশালী তাই আমি এটি ধরতে এত অসুবিধা আশা করব না। কোন সাহায্য খুব দরকারী হবে। ধন্যবাদ, জিউলিয়া দেপ্পেরি
হালনাগাদ:
আমি ইতিমধ্যে কিছু যুক্তি পরিবর্তন করেছি। আরও স্পষ্টভাবে, পদ্ধতিটি অ্যারাইমা (4,1,3) আমি যখন সেট করি তখন সেরা মডেল হিসাবে নির্বাচন করে D=7
, তবে এআইসি এবং অন্যরা ফিট ফিটও বা সূচী এবং পূর্বাভাসের ক্ষেত্রে মোটেও উন্নতি করে না। আমার ধারণা seasonতু এবং পর্যায়ক্রমের মধ্যে বিভ্রান্তির কারণে কিছু ভুল আছে ..!?
অটো.রিমা কল ব্যবহৃত এবং আউটপুট প্রাপ্ত:
modArima<-auto.arima(salests,D=7,max.P = 5, max.Q = 5)
ARIMA(2,1,2) with drift : 1e+20
ARIMA(0,1,0) with drift : 5265.543
ARIMA(1,1,0) with drift : 5182.772
ARIMA(0,1,1) with drift : 1e+20
ARIMA(2,1,0) with drift : 5137.279
ARIMA(2,1,1) with drift : 1e+20
ARIMA(3,1,1) with drift : 1e+20
ARIMA(2,1,0) : 5135.382
ARIMA(1,1,0) : 5180.817
ARIMA(3,1,0) : 5117.714
ARIMA(3,1,1) : 1e+20
ARIMA(4,1,1) : 5045.236
ARIMA(4,1,1) with drift : 5040.53
ARIMA(5,1,1) with drift : 1e+20
ARIMA(4,1,0) with drift : 5112.614
ARIMA(4,1,2) with drift : 4953.417
ARIMA(5,1,3) with drift : 1e+20
ARIMA(4,1,2) : 4960.516
ARIMA(3,1,2) with drift : 1e+20
ARIMA(5,1,2) with drift : 1e+20
ARIMA(4,1,3) with drift : 4868.669
ARIMA(5,1,4) with drift : 1e+20
ARIMA(4,1,3) : 4870.92
ARIMA(3,1,3) with drift : 1e+20
ARIMA(4,1,4) with drift : 4874.095
Best model: ARIMA(4,1,3) with drift
সুতরাং আমি ধরে নিয়েছি অ্যারিমা ফাংশনটি ব্যবহার করা উচিত:
bestOrder <- cbind(modArima$arma[1],modArima$arma[5],modArima$arma[2])
sarima1<-arima(salests, order = c(4,1,3))
কোন মৌসুমী উপাদান পরামিতি এবং সময় নির্দিষ্টকরণের সাথে। ডেটা এবং অনুসন্ধানের বিশ্লেষণে দেখা যায় যে একই সাপ্তাহিক প্যাটার্নটি প্রতি সপ্তাহের জন্য অগস্টে 2010 এর একমাত্র ব্যতিক্রম (যখন বিক্রয়ে ধারাবাহিক বৃদ্ধি নিবন্ধিত হয়) বাদে প্রায় অনুমান করা যায়। দুর্ভাগ্যক্রমে টাইমসরিজ মডেলিংয়ে আমার কোনও দক্ষতা নেই, আসলে আমি এই সমস্যাযুক্ত ডেটার জন্য ফিট করার চেষ্টা করেছি এমন অন্যান্য প্যারাম্যাট্রিক এবং নন-প্যারাম্যাট্রিক মডেলের বিকল্প সমাধান খুঁজতে আমি এই পদ্ধতির চেষ্টা করছি। আমার কাছে অনেক নির্ভরশীল সংখ্যাসূচক ভেরিয়েবল রয়েছে তবে তারা প্রতিক্রিয়া ভেরিয়েবলটি ব্যাখ্যা করতে কম শক্তি দেখিয়েছে: নিঃসন্দেহে, মডেলের সবচেয়ে কঠিন অংশটি সময় উপাদান। তদ্ব্যতীত, মাস এবং সপ্তাহের দিনগুলি উপস্থাপন করার জন্য ডামি ভেরিয়েবলগুলি নির্মাণ একটি শক্ত সমাধান হিসাবে প্রমাণিত হয়নি।