全文鏈接：http:///?p=30861

操作步驟：

• 先加日期

• 散點(diǎn)圖

• 再去趨勢(shì)化

• 再去季節(jié)性

• 再模擬模型ARIMA分析

• 得出結(jié)論

查看數(shù)據(jù)

時(shí)間序列散點(diǎn)圖

 圖：sales 序列 

從趨勢(shì)圖可以明顯看出，時(shí)間序列的特點(diǎn)為：呈線性趨勢(shì)、有季節(jié)性變動(dòng)，但季節(jié)波動(dòng)隨著趨勢(shì)增加而加大。

指數(shù)平滑法剔除趨勢(shì)項(xiàng)

季節(jié)性分解

---

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

python用ARIMA模型預(yù)測(cè)CO2濃度時(shí)間序列實(shí)現(xiàn)

左右滑動(dòng)查看更多

01

02

03

04

ARIMA模型擬合

模型摘要

誤差白噪聲檢驗(yàn)

·   模型擬合并相比較簡(jiǎn)單季節(jié)性和Winters模型沒(méi)有太大的優(yōu)勢(shì)，結(jié)果可接受。Sig.列給出了 Ljung-Box 統(tǒng)計(jì)量的顯著性值，該檢驗(yàn)是對(duì)模型中殘差錯(cuò)誤的隨機(jī)檢驗(yàn)；表示指定的模型是否正確。顯著性值大于0.05 表示殘差誤差是隨機(jī)的，則意味著所觀測(cè)的序列中使用該模型擬合較好。

·   平穩(wěn)的R方：顯示固定的R平方值。此統(tǒng)計(jì)量是序列中由模型解釋的總變異所占比例的估計(jì)值。該值越高（最大值為 1.0），則模型擬合會(huì)越好。

·   檢查模型殘差的自相關(guān)函數(shù) (ACF) 和偏自相關(guān)函數(shù) (PACF) 的值比只查看擬合優(yōu)度統(tǒng)計(jì)量能更多地從量化角度來(lái)了解模型。