タグ付けされた質問 「arima」

これは少し理論的な質問です。私は時系列分析も初めてで、早く学習しようとしています。私の用語の一部がオフになっている場合は申し訳ありません。 時系列を時間領域と周波数領域のアプローチに分析およびモデル化する方法を大まかに分類できます。時間領域では、ARIMAのようなモデルは最近の測定に基づいて予測します。将来のある時間Xの予測は、それに近づくにつれて良くなります（1ステップの予測が最良です）。 最近の測定値を線形結合する代わりに、信号を正弦波と余弦波の和に分解できます。これは、信号に周期的/季節的成分が強い場合に特に適しています。しかし、これの予測は一定の期間の無限に繰り返されるシグナルではないでしょうか？そのため、単に分解をやり直さない限り、新しい情報が入力されても将来の値Xの予測は変化しません。 正確な質問をいくつか説明させてください。 1）スペクトル分解はモデリング/予測に役立ちますか、それとも通常分析目的でのみ使用されますか？ 2）スペクトル分解の予測は常にいくつかの繰り返される定期的なシリーズですか？ 3）季節的ARIMAを使用すると、スペクトルモデルの残差のARIMAモデルを使用した場合でも、（予測の観点から）スペクトル分解よりもパフォーマンスが向上する可能性がありますか？（季節的/周期的な傾向が強いデータを想定） 4）時系列のスペクトル分解をオンラインまたは反復的に更新する方法はありますか？ これらすべてに詳細に答える必要はありません。彼らがあなたが私が探しているものについてのアイデアを与えると思います。関連性があると思われる方法またはモデルを知っている場合、名前は私が調査するのに十分な見込みです。同様に、周波数分解がモデリングと予測の点で行き止まりである場合、それは知っておくべきです。 助けてくれてありがとう！

7 time-series  arima  spectral-analysis 

次の形式のARIMA（1,1,0）モデルを使用して近似したい時系列あるとします。xtxt x_t Δxt=αΔxt−1+wtΔxt=αΔxt−1+wt \Delta x_t = \alpha \Delta x_{t-1} + w_t これは次のように書き直すことができます。 xt−xt−1=α(xt−1−xt−2)+wtxt−xt−1=α(xt−1−xt−2)+wt x_t - x_{t-1} = \alpha ( x_{t-1} - x_{t-2} )+ w_t xt=(1+α)xt−1−αxt−2+wtxt=(1+α)xt−1−αxt−2+wt x_t = ( 1 + \alpha)x_{t-1} - \alpha x_{t-2} + w_t 最後の方程式は、係数がおよび AR（2）モデルを表しています。によっては、このAR（2）モデルが非定常である可能性があることを認識しています。ただし、最初に差分を取っていた場合、モデリングしているシリーズは静止していてはいけません。1+α1+α1+\alpha−α−α-\alphaαα\alpha モデルが定常的でない場合は、差分を使用する必要があることを知っています。しかし、AR（2）モデルとARIMA（1,1,0）モデルを使用した場合、結果はどのように異なりますか？私は（Rが示唆するように）収束に問題があると思います。ただし、Rに近似を実行するように依頼すると、Rは両方を実行し、係数は（ほとんど）上記の私の観察と一致します。ただし、予測は明らかに異なります。 誰かがこれに光を当てたり、私に良い参照を指摘したりできれば、私はそれを感謝します。 これは、両方のモデルを生成するために使用したRコードです。 > set.seed(2) > x <- arima.sim(n = 1000, model=list(order=c(1,1,0), …

7 r  time-series  arima 

毎時のトラフィックのベースラインがあるウェブサイトがあるとします。また、テレビ広告を断続的に実行しているため、Webトラフィックが増加しています。私のテレビ広告がウェブトラフィックの増加に関してどの程度の影響を与えているのかを調べたいと思います。 毎時のテレビ広告費またはインプレッションを外生変数としてARMAXモデルに当てはめる場合、AR用語は「ベースライントラフィック」を表し、回帰用語はTV広告に起因するトラフィックを表すと主張することは有効ですか？ これが私がやろうとしていることのいくつかのサンプルコードです： library(forecast) xmat <- as.matrix(cbind(data[,c("AdSpend","Impressions")])) xvar <- data$WebSessions fit <- Arima(x=xvar, xreg=xmat, order=c(12,0,0), include.constant=FALSE) reg_terms <- fit$coef["AdSpend"] * data$AdSpend + fit$coef["Impressions"] * data$Impressions AR_terms <- fitted(fit) - reg_terms 次に、AR_terms（ベースラインの1時間ごとのWebトラフィック）とreg_terms（TVに起因する1時間ごとのトラフィック）を使用して、積み上げ面グラフを作成できます。 これは有効なアプローチですか？ 助けてくれてありがとう。

7 r  time-series  forecasting  arima  armax