আমি সত্যিই মনে করি এটি একটি ভাল প্রশ্ন এবং একটি উত্তর প্রাপ্য। প্রদত্ত লিঙ্কটি একজন মনোবিজ্ঞানী লিখেছেন যিনি দাবি করছেন যে কিছু হোম-ব্রিউ পদ্ধতি বক্স-জেনকিন্সের চেয়ে সময় সিরিজ বিশ্লেষণ করার একটি ভাল উপায়। আমি আশা করি যে উত্তরের উত্তর হিসাবে আমার প্রচেষ্টা অন্যদের, যারা সময় সিরিজ সম্পর্কে আরও জ্ঞাত, তারা অবদান রাখতে উত্সাহিত করবে।
তাঁর পরিচিতি থেকে দেখে মনে হচ্ছে ডার্লিংটন কেবল একটি এআর মডেলকে ন্যূনতম-স্কোয়ার দ্বারা ফিট করার পদ্ধতিকে চ্যাম্পিয়ন করছে। মানে, যদি আপনার মডেলকে মাপসই চান
সময় সিরিজ , আপনি শুধু সিরিজ প্রত্যাবর্তন করতে সঙ্গে সিরিজের উপর একটি সাধারণ একাধিক রিগ্রেশন ব্যবহার করে ল্যাগ , লেগ এবং আরও ল্যাগএটি অবশ্যই অনুমোদিত; আর এ, এটি এমনকি ফাংশন একটি বিকল্প । আমি এটি পরীক্ষা করে দেখেছি এবং এটি আর-তে একটি এআর মডেল ফিট করার জন্য ডিফল্ট পদ্ধতির অনুরূপ উত্তর দিতে ঝোঁক sজেড টি জেড টি 1 2 কে
z- রটি= α1z- রটি - 1+ ⋯ + αটz- রt - কে+ + εটি
z- রটিz- রটি12টar
তিনি regressing অত্যাবশ্যক মতো জিনিসের উপর অথবা ক্ষমতা প্রবণতা খুঁজে। আবার, এটি একেবারে ঠিক আছে। প্রচুর সময় সিরিজের বইগুলি এটি নিয়ে আলোচনা করে, উদাহরণস্বরূপ শামওয়ে-স্টোফার এবং কাওয়ার্পাইয়েট-মেটকাল্ফ। সাধারণত, একটি টাইম সিরিজ বিশ্লেষণ নিম্নলিখিত রেখাগুলি বরাবর এগিয়ে যেতে পারে: আপনি একটি প্রবণতা খুঁজে পেতে, এটি অপসারণ, এবং অবশিষ্টাংশে একটি মডেল ফিট। t tz- রটিটিটি
তবে মনে হয় তিনি অতিরিক্ত ফিটিংয়ের পক্ষেও পরামর্শ দিচ্ছেন এবং তারপরে তার পদ্ধতিটি আরও ভাল বলে প্রমাণ হিসাবে লাগানো সিরিজ এবং ডেটাগুলির মধ্যে গড়-স্কোয়ার ত্রুটি হ্রাসকে ব্যবহার করছেন। উদাহরণ স্বরূপ:
আমি মনে করি যে সংশোধনগুলি এখন অপ্রচলিত। তাদের প্রাথমিক উদ্দেশ্যটি ছিল শ্রমিকদের অনুমান করার জন্য যে কোন মডেলগুলি ডেটা সবচেয়ে ভাল ফিট করবে, কিন্তু আধুনিক কম্পিউটারগুলির গতি (কমপক্ষে রিগ্রেশনে সময়-সিরিজের মডেল-ফিটিংয়ের ক্ষেত্রে না থাকলে) একজন শ্রমিককে বেশ কয়েকটি মডেলের ফিট করে এবং ঠিক কীভাবে দেখতে দেয় প্রতিটি স্কোয়ার ত্রুটি দ্বারা পরিমাপ করা মাপসই ফিট করে। [সুযোগে মূলধনের বিষয়টি এই পছন্দটির সাথে প্রাসঙ্গিক নয়, যেহেতু দুটি পদ্ধতিই এই সমস্যার জন্য সমানভাবে সংবেদনশীল]]
এটি কোনও ভাল ধারণা নয় কারণ একটি মডেলের পরীক্ষার ধারণাটি এটি কতটা ভালভাবে পূর্বাভাস দিতে পারে তা বিদ্যমান ডেটার সাথে কতটা ফিট করে তা নয়। তার তিনটি উদাহরণে, তিনি ফিটের মানের জন্য তার মানদণ্ড হিসাবে "অ্যাডজাস্টেড রুট গড়-স্কোয়ার্ড ত্রুটি" ব্যবহার করেন। অবশ্যই, একটি মডেল ওভার-ফিটিং ত্রুটির একটি নমুনা প্রাক্কলন করতে চলেছে, তাই তার দাবি যে তার মডেলগুলি "আর" ভাল কারণ তাদের আরএমএসই কম আছে ভুল।
সংক্ষেপে, যেহেতু তিনি মডেলটি কতটা ভাল তা নির্ধারণের জন্য ভুল মাপদণ্ডটি ব্যবহার করছেন, তাই তিনি রিগ্রেশন বনাম আরিমা সম্পর্কে ভুল সিদ্ধান্তে পৌঁছেছেন। আমি বাজি ধরতাম , যদি তিনি পরিবর্তে মডেলগুলির ভবিষ্যদ্বাণীপূর্ণ দক্ষতা পরীক্ষা করে থাকেন তবে আরিমা শীর্ষে উঠে আসত। তিনি এখানে উল্লিখিত বইগুলিতে যদি তাদের অ্যাক্সেস থাকে তবে সম্ভবত কেউ এটি চেষ্টা করতে পারেন ।
[পরিপূরক: রিগ্রেশন আইডিয়া সম্পর্কে আরও জানতে আপনি পুরানো সময়ের সিরিজ বইগুলি যা আরিমা সবচেয়ে জনপ্রিয় হওয়ার আগে লেখা হয়েছিল তা পরীক্ষা করে দেখতে চাইতে পারেন। উদাহরণস্বরূপ, কেন্ডল, সময়-সিরিজ , 1973, অধ্যায় 11 এ এই পদ্ধতিটির পুরো অধ্যায় রয়েছে এবং এটি আরিমার সাথে তুলনা করে]]