ARIMA 模型:
描述时间序列数据的变化规律和行为,它允许模型中包含趋势变动、季节变动、循环变 动和随机波动等综合因素影响。具有较高的预测精度,可以把握过去数据变动模式,有助于 解释预测变动规律,回答为什么这样本想早点完成这个时间序列的主题,但最近一直非常多的事情,又 耽搁了这么长时间。朋友们问的问题没有收尾总是不好,抓紧时间完成吧。 因为,后天要参加中国电信集团的一个 EDA 论坛,要仔细准备发言稿!在交流的过程 中,发现大家都对预测问题非常关注,尤其是数据挖掘领域,有时候分类问题与预测问题在 表达上区分不开,有时候分类就是预测,比如通过判别分析、C5.0 规则或 Logistics 回归 进行监督类建模,得到的结论说该客户是什么类别等级,似乎也可以说是预测;当然,如果 能够预测该消费者什么时候流失,也就是进行了分类;这样说吧,其实有时候并不需要严格 区分分类和预测,关键是时间点。从这也可以看出,预测问题内涵和外延是非常宽泛的,但 研究者心中要有数,这决定了你得到的结果该如何应用。 前面的博文提到,如果我们考虑时间序列预测包含有预测和干扰变量如何解决的问题。 从方法角度讲,过去没有统计分析软件要完成预测可以说是困难的,现在有了软件工具 就方便多了。 从技术角度讲:
预测模型如果能够排除因为异常原因造成的时间点事件和时间段时间,就好了。例 如某天停电没有开业,或者某一段时间比如发生甲型 H1NI 一周没有营业收入,这 些事件必须能够告诉模型未来不会再发生了;当然,我们也要把未来会重复发生的干扰因素纳入模型,例如:我们学校某天要开 运动会,小卖部的可乐销量一定提高,或者我们学校 7-8 月份放暑假,销量一定减 少,像这样的时间点和时间段事件未来会重复出现,我们如果能够告诉模型,那么 预测会更准确。
当然如果我们建立的模型能够预测未来,并能够将未来可预见的事件,包括时间点 和时间段干扰纳入预测是非常好的事情啦!
甚至,我们应该能够把预测模型中的,预测未来周期内的不可预见的时间点和时间 段随时干预预测结果,这就需要考虑如何将预测模型导入生产经营分析系统了。
下面的数据延续前两篇的案例, 只是增加了自变量, (因为手头这个案例没有干预因素变量)
在我们增加了 5 个自变量后,采用预测建模方法,选择专家建模器,但限制只在 ARIMA 模 型中选择。
确定后,得到分析结果,我们现在来看一下与原来的模型有什么不同。
从预测值看,比前一模型有了改进,至少这时候的模型捕捉了历史数据中的下降峰值, 这可以认为是当前比较适合的拟合值了。 如果我们观察预测结果,可以发现模型选择了两个预测变量。注意:使用专家建模器时, 只有在自变量与因变量之间具有统计显著性关系时才会包括自变量。如果选择 ARIMA 模 型,“变量”选项卡上指定的所有自变量(预测变量)都包括在该模型中,这点与使用专家建 模器相反;
当确定了最终选择的预测模型和方法后,我们就可以预测未来了,当然你要指定预测未 来的时间点,这里我们时间包括年、季度和月份;假定我们预测未来半年的销售收入。 我们分别设定:预测值输出,95%置信度的上下限。注意:SPSS 中文环境有个小 Bug,
必须改一下名字!
在选项中,选择你的预测时间,预测期将根据你事先定义的数据时间格式填写。(后面 的模型为了让大家看清楚,实际上我预测了一年的数据,也就是 2010 年的 4 个季度的 12 个月)。
自变量的选择问题,在预测未来半年的销售收入中,ARIMA 模型可以把其它预测变量 纳入考虑,但如何确定未来这些预测变量的值呢? 主要方法可以考虑:1)选择最末期数据;2)选择近三期数据的平均;3)选择近三期 的移动平均 这里我们选近三期移动平均作为预测自变量数值。
上面就是预测结果!于此同时,SPSS 活动数据集中也存储了预测值!
最后,我们要解决时间序列预测的检验和统计问题!说实在话,我比较关注偏好商业应用,就是看得见就做得到!从上面的分析,我们基本上就知道了哪种预测模型更好,也就不去较真只有专业统计学者才关心的统计和检验问题, 把这些交给统计专家或学术研究吧! 如 ( 果你是写学术论文,就必须强调这一点了!) 实际上我们可以通过软件得到各种统计检验指标和统计检验图表!
数据分析咨询请扫描二维码
CDA证书的考试内容涵盖了多个模块,具体包括: 数据分析概述与职业操守:包括数据分析的基本概念、方法论、角色,数据分析师的 ...
2024-09-20数字化转型的核心在于利用数字技术来推动企业或组织在业务模式、流程、文化和价值链等方面的根本性变革,以提高效率、创造新的增 ...
2024-09-20作为一名资深数据分析师,拥有CDA证书可以显著提升你的职业竞争力,并为你带来更多的职业发展机会。CDA证书在金融、电信、零售、 ...
2024-09-20数据分析师的月薪因地区、经验、技能和行业而异。根据2024年的数据,数据分析师在中国的平均月薪约为11,910元,但这个数字可能因 ...
2024-09-20CDA证书在统计学领域的应用非常广泛,特别是在数据分析和业务决策中。以下是CDA Level II级别中一些与统计学相关的应用: 数据 ...
2024-09-20统计学结合CDA证书可以为就业提供多样化的方向和广阔的前景。以下是一些主要的就业方向: 政府部门:统计学专业毕业生可以在政 ...
2024-09-20CDA认证分为三个级别,每个级别对应不同的数据分析技能: CDA Level I:这是入门级别,主要面向零基础就业转行者、应届毕业生以 ...
2024-09-20在职场中,将CDA(Certified Data Analyst)证书转化为实际的业务成果和价值,可以通过以下几个步骤实现: 提升专业技能:CDA证 ...
2024-09-20考取CDA(Certified Data Analyst)证书后,可以通过以下几个策略在职场中提升薪资: 深化专业技能:持续学习和实践,提高数据 ...
2024-09-20数字经济专业是一门综合性、交叉性的学科,旨在培养具备扎实经济学基础和熟练数字技能的数据分析与决策人才。该专业的课程内容丰 ...
2024-09-19数据分析师这个职位本身并不特定于性别,男性和女性都可以从事这项工作。至于是否会觉得累,这取决于多种因素,包括个人的工作经 ...
2024-09-19CDA认证考试的通过率会根据不同年份和考试难度有所变化。根据CDA数据科学研究院发布的数据,第十一届CDA认证考试的通过率如下: ...
2024-09-19大数据技术毕业生在职场中脱颖而出需要从多个方面进行努力和规划。首先,明确职业目标是关键一步。了解大数据相关的职业岗位,如 ...
2024-09-19在数据分析领域,有几个专业认证是值得考虑的,它们可以帮助提升你的专业技能,并在就业市场上增加竞争力。以下是一些推荐的认证 ...
2024-09-19金融数学专业是一门结合了数学、统计学和经济学的交叉学科,旨在培养具备扎实的数学基础和金融理论知识的复合型人才。随着全球 ...
2024-09-19随着信息技术的飞速发展,大数据已成为企业决策的重要依据。特别是在会计和财务管理领域,大数据技术的应用不仅提高了数据处理的 ...
2024-09-19大数据技术是一种新一代的技术与架构,用于解决海量、多样、快速、价值的数据的收集、存储、处理、分析和挖掘问题。它涵盖了从数 ...
2024-09-19大数据管理与应用领域的发展潜力和职业方向是当前热门话题之一。随着信息技术的快速发展,数据已经成为企业和组织决策的重要基础 ...
2024-09-19评估自己在数据分析领域的当前水平,可以通过以下几个步骤来进行: 自我评估: 知识掌握:考虑你对数据分析基础知识的理解,包 ...
2024-09-19MarkDown
2024-09-19