আমি 1993 থেকে 2015 পর্যন্ত মাসিক ডেটা পেয়েছি এবং এই ডেটাগুলির পূর্বাভাস করতে চাই। আমি আউটলিয়ারগুলি সনাক্ত করতে tsoutliers প্যাকেজ ব্যবহার করেছি, তবে আমি কীভাবে আমার ডেটা সেট করে পূর্বাভাস অবিরত করব তা জানি না।
এটি আমার কোড:
product.outlier<-tso(product,types=c("AO","LS","TC"))
plot(product.outlier)Tsoutliers প্যাকেজ থেকে এটি আমার আউটপুট
ARIMA(0,1,0)(0,0,1)[12]
Coefficients:
sma1 LS46 LS51 LS61 TC133 LS181 AO183 AO184 LS185 TC186 TC193 TC200
0.1700 0.4316 0.6166 0.5793 -0.5127 0.5422 0.5138 0.9264 3.0762 0.5688 -0.4775 -0.4386
s.e. 0.0768 0.1109 0.1105 0.1106 0.1021 0.1120 0.1119 0.1567 0.1918 0.1037 0.1033 0.1040
LS207 AO237 TC248 AO260 AO266
0.4228 -0.3815 -0.4082 -0.4830 -0.5183
s.e. 0.1129 0.0782 0.1030 0.0801 0.0805
sigma^2 estimated as 0.01258: log likelihood=205.91
AIC=-375.83 AICc=-373.08 BIC=-311.19
Outliers:
type ind time coefhat tstat
1 LS 46 1996:10 0.4316 3.891
2 LS 51 1997:03 0.6166 5.579
3 LS 61 1998:01 0.5793 5.236
4 TC 133 2004:01 -0.5127 -5.019
5 LS 181 2008:01 0.5422 4.841
6 AO 183 2008:03 0.5138 4.592
7 AO 184 2008:04 0.9264 5.911
8 LS 185 2008:05 3.0762 16.038
9 TC 186 2008:06 0.5688 5.483
10 TC 193 2009:01 -0.4775 -4.624
11 TC 200 2009:08 -0.4386 -4.217
12 LS 207 2010:03 0.4228 3.746
13 AO 237 2012:09 -0.3815 -4.877
14 TC 248 2013:08 -0.4082 -3.965
15 AO 260 2014:08 -0.4830 -6.027
16 AO 266 2015:02 -0.5183 -6.442
আমার কাছে এই সতর্কতা বার্তাও রয়েছে।
Warning messages:
1: In locate.outliers.iloop(resid = resid, pars = pars, cval = cval, :
stopped when ‘maxit’ was reached
2: In locate.outliers.iloop(resid = resid, pars = pars, cval = cval, :
stopped when ‘maxit’ was reached
3: In locate.outliers.oloop(y = y, fit = fit, types = types, cval = cval, :
stopped when ‘maxit’ was reached
4: In arima(x, order = c(1, d, 0), xreg = xreg) :
possible convergence problem: optim gave code = 1
5: In auto.arima(x = c(5.77, 5.79, 5.79, 5.79, 5.79, 5.79, 5.78, 5.78, :
Unable to fit final model using maximum likelihood. AIC value approximatedসন্দেহ:
- আমি যদি ভুল না হয়ে থাকি তবে সসুটিলার্স প্যাকেজটি এটি সনাক্তকারী আউটলিয়ারগুলি সরিয়ে ফেলবে এবং অপসারণকারীদের সাথে ডেটাসেট ব্যবহারের মাধ্যমে এটি আমাদের জন্য ডেটা সেটের জন্য উপযুক্ত সেরা আরিমা মডেল দেবে, এটি কি সঠিক?
- লেভেল শিফট ইত্যাদি অপসারণের কারণে সামঞ্জস্য করা সিরিজের ডেটা সেটটি অনেকাংশে নীচে স্থানান্তরিত হচ্ছে। এর অর্থ এই নয় যে যদি পূর্বাভাসটি সামঞ্জস্য করা সিরিজে করা হয় তবে পূর্বাভাসের আউটপুটটি খুব ভুল হবে, যেহেতু সাম্প্রতিকতম ডেটা ইতিমধ্যে 12 এরও বেশি, যখন অ্যাডজাস্ট করা ডেটা এটি প্রায় 7-8-এ স্থানান্তরিত করে।
- সতর্কতা বার্তা 4 এবং 5 এর অর্থ কী? এর মানে কি এটি অ্যাডজাস্ট করা সিরিজটি ব্যবহার করে অটো.রিমা করতে পারে না?
- আরিমা (0,1,0) (0,0,1) [12] এর [12] এর অর্থ কী? এটি কি আমার ডেটাসেটের কেবলমাত্র আমার ফ্রিকোয়েন্সি / পর্যায়ক্রমিকতা, যা আমি এটিকে মাসিক হিসাবে সেট করি? এবং এর অর্থ কি এই যে আমার ডেটা সিরিজগুলিও মৌসুমী?
- আমি কীভাবে আমার ডেটা সেটে মৌসুমী সনাক্ত করব? সময় সিরিজের প্লটটির দৃশ্যধারণের মতো আমি কোনও স্পষ্ট প্রবণতা দেখতে পাচ্ছি না এবং আমি যদি পচন ফাংশনটি ব্যবহার করি তবে এটি ধরে নেওয়া হবে যে একটি seasonতু প্রবণতা রয়েছে? সুতরাং আমি কি কেবল বিশ্বাস করি যে চতুররা আমাকে যা বলে, যেখানে মৌসুমী প্রবণতা রয়েছে, যেহেতু অর্ডার 1 এর এমএ আছে?
- এই বিদেশীদের চিহ্নিত করার পরে আমি কীভাবে এই ডেটা দিয়ে আমার পূর্বাভাসটি করতে পারি?
- কীভাবে এই আউটলিয়ারগুলিকে অন্যান্য পূর্বাভাস মডেলগুলিতে অন্তর্ভুক্ত করা যায় - এক্সফোনেনশিয়াল স্মুথিং, আরিমা, স্ট্রুটুরাল মডেল, র্যান্ডম ওয়াক, থিতা? আমি নিশ্চিত যে লেভেল শিফট থাকায় আমি আউটলিয়রদের অপসারণ করতে পারি না, এবং আমি যদি কেবল সামঞ্জস্য করা সিরিজের ডেটা নিই তবে মানগুলি খুব ছোট হবে, তাই আমি কী করব?
পূর্বাভাসের জন্য আমার কি এই আউটলিয়ারদের অটো.রিমাতে রেজিস্ট্রার হিসাবে যুক্ত করতে হবে? কিভাবে এই কাজ করে?