Wichtigste Ergebnisse für Box-Cox Transformation für Zeitreihen

Hier finden Sie Definitionen und Anleitungen zur Interpretation für alle Statistiken und Grafiken, die für die Box-Cox-Transformation bereitgestellt werden.

Tabelle der Methode

Die Tabelle Methode zeigt die Einstellungen für die Analyse und den Wert von λ für die Transformation.

In diesen Ergebnissen ist der saisonale Zeitraum 12 und die Analyse sucht nach einem λ-Wert zwischen dem Standardbereich von -1 und 2. Der optimale λ-Wert ist ungefähr -0,15. Die Analyse rundet den Wert auf 0 und verwendet die natürliche Log-Transformation.

Methode

Saisonale Periode12
Optimales λ aus Intervall auswählen[-1; 2]
Optimales λ-0,144439
Gerundetes optimales λ0
Transformierte Datenreihe = ln(Anzahl der Passagiere) 

Zeitreihenhandlung für Originalserien

Vergleichen Sie die Zeitreihe der Originalreihe mit dem Zeitreihendiagramm der transformierten Reihe, um sicherzustellen, dass die Transformation die Varianz stationär macht.

In diesen Ergebnissen zeigt das Zeitreihendiagramm der Originalserie die nichtstationäre Varianz. In diesen Daten nimmt die Differenz zwischen den Hoch- und Tiefpunkten in einem saisonalen Zyklus im Laufe der Zeit zu. Dieses Muster zeigt, dass die Varianz im Laufe der Zeit zunimmt.

Zeitreihendiagramm für transformierte Serien

Untersuchen Sie das Zeitreihendiagramm der transformierten Reihe, um sicherzustellen, dass die Transformation die Varianz stationär macht.

In diesen Ergebnissen zeigt das Zeitreihendiagramm der transformierten Reihe eine annähernd gleichmäßige Differenz zwischen den Hoch- und Tiefpunkten in den saisonalen Zyklen. Dieses Muster zeigt, dass die Transformation die Varianz stationär gemacht hat.

Untersuchen Sie auch das Zeitreihendiagramm der transformierten Daten, um andere wichtige Merkmale der transformierten Reihe zu bewerten. Zu den Annahmen für ein ARIMA-Modell gehört beispielsweise, dass die Reihe neben einer stationären Varianz auch einen stationären Mittelwert aufweist. Wenn ein Zeitreihendiagramm der transformierten Reihe zeigt, dass die transformierte Reihe keinen stationären Mittelwert hat, versuchen Sie Erweiterter Dickey-Fuller-Test zu sehen, ob die Differenzierung der Daten den Mittelwert der Reihe stationär macht.

In diesen Ergebnissen zeigt die transformierte Reihe einen Aufwärtstrend. Dieses Muster zeigt, dass der Mittelwert der Serie nicht stationär ist. Verwenden Sie die Spalte auf der gespeicherten Spalte der transformierten Daten, um zu bestimmen, ob Differenzierung die Erweiterter Dickey-Fuller-Test Reihe stationär macht.