Modellstatistiken für ARIMA

Dieser Wert gibt die Anzahl der Iterationen an, die zum Ermitteln der Summe der Fehlerquadrate (SSE) erforderlich sind. Beim ARIMA-Algorithmus werden zum Anpassen eines Modells bis zu 25 Iterationen durchgeführt. Wenn die Lösung nicht konvergiert, speichern Sie die geschätzten Koeffizienten mit Hilfe des Unterdialogfelds Speichern, und führen Sie die Analyse noch einmal durch, nachdem Sie im Feld Startwerte für Koeffizienten die Spalte mit den gespeicherten Koeffizienten eingegeben haben. Sie können die geschätzten Parameter so oft wie erforderlich speichern und als Startwerte für eine weitere Anpassung verwenden.

Der Algorithmus konvergiert möglicherweise auch deshalb nicht, weil Sie eine Konstante in das Modell eingebunden haben. Sie können versuchen, die Analyse noch einmal ohne die Konstante durchzuführen.

Die SSE ist die Summe der Quadrate der Residuen. Sie gibt die Streuung in den Daten an, die durch das ARIMA-Modell nicht erklärt wird. Minitab zeigt die SSE für jede Iteration des ARIMA-Algorithmus an.

Die Parameter sind die geschätzten Koeffizienten für die Parameter im Modell bei jeder Iteration. Die Tabelle zeigt den Fortschritt des ARIMA-Algorithmus beim Versuch, gegen eine Lösung zu konvergieren. Bei jeder nachfolgenden Iteration passt der Algorithmus die Parameterschätzwerte derart an, dass die SSE im Vergleich zur vorherigen Iteration erwartungsgemäß reduziert werden sollte. Die Iterationen werden fortgesetzt, bis der Algorithmus die Summe der Quadrate nicht weiter reduzieren kann, die nachfolgende Iteration durch ein Problem verhindert wird oder Minitab die Maximalzahl der Iterationen erreicht.

Bei rückwärts gerichteten Prognosen handelt es sich um die angepassten Werte für Zeitintervalle vor dem Beginn der Datenreihe. Die Werte der rückwärts gerichteten Prognose entsprechen den Werten, die Sie erhalten würden, wenn Sie die Reihenfolge Ihrer Zeitreihe umkehren und am Ende der umgekehrten Zeitreihe Prognosen erstellen würden.

Die Koeffizienten sind die endgültigen Schätzungen der Werte für die Parameter im Modell. Die Koeffizienten sind die Zahlen, mit denen die Werte des Terms im ARIMA-Modell multipliziert werden.

Der Standardfehler des Koeffizienten (SE Koef) ist ein Schätzwert der Streuung zwischen den Parameterschätzungen, die Sie erhalten würden, wenn Sie wiederholt Stichproben aus derselben Grundgesamtheit entnehmen würden. Verwenden Sie den Standardfehler der Schätzung, um die Genauigkeit der Parameterschätzung zu beurteilen. Je geringer der Standardfehler ist, desto präziser ist der Schätzwert.

Mit dem t-Wert wird das Verhältnis zwischen dem Koeffizienten und dem zugehörigen Standardfehler gemessen.

Der p-Wert ist ein Wahrscheinlichkeitsmaß für die Anzeichen gegen die Annahme der Nullhypothese. Geringere Wahrscheinlichkeiten liefern stärkere Anzeichen dafür, dass die Nullhypothese nicht zutrifft.

Die Summe der Quadrate der Residuen ist die Summe der Residuen unter Verwendung der endgültigen Parameterschätzungen, ausgenommen rückwärts gerichtete Prognosen. Minitab verwendet die Summe der Quadrate, um das mittlere Fehlerquadrat zu berechnen.

Das mittlere Fehlerquadrat (MS) ist ein Maß für die Genauigkeit des angepassten Modells. Je niedriger die Werte für das mittlere Fehlerquadrat, desto besser ist das Modell i. d. R. angepasst. Verwenden Sie das mittlere Fehlerquadrat, um die Anpassungen verschiedener ARIMA-Modelle zu vergleichen.

Die Freiheitsgrade entsprechen der Menge an Informationen in Ihren Daten. Minitab verwendet die Freiheitsgrade für die Residuen, um das mittlere Fehlerquadrat zu berechnen.

Die Korrelationsmatrix zeigt die Korrelation für jedes Paar von Termen im Modell. Wenn Parameterschätzungen hochgradig korreliert sind, ziehen Sie eine Reduzierung der Parameterzahl in Betracht, um das Modell zu vereinfachen.