Auswählen der Analyseoptionen für Prognose mit bestem ARIMA-Modell

Geben Sie an, welches Informationskriterium verwendet werden soll, um das beste ARIMA-Modell auszuwählen.

Sowohl das AICc als auch das BIC werten die Likelihood des Modells aus und wenden dann einen Abzug für das Hinzufügen von Termen zum Modell an. Durch den Abzug wird die Tendenz zur Überanpassung des Modells an die Stichprobendaten reduziert. Durch diese Reduzierung kann ein Modell zustande kommen, das insgesamt eine bessere Leistung erbringt.

Als Faustregel gilt: Wenn die Anzahl der Parameter im Verhältnis zum Stichprobenumfang klein ist, ist der Abzug für das Hinzufügen der einzelnen Parameter für das BIC größer als für das AICc. In diesen Fällen ist das Modell, bei dem das BIC minimiert wird, tendenziell kleiner als das Modell, bei dem das AICc minimiert wird.

Wenn die Stichprobengröße im Verhältnis zur Anzahl der Parameter im Modell klein ist, erbringt das AICc eine bessere Leistung als das AIC. Das AICc erbringt deshalb eine bessere Leistung, weil das AIC bei kleinen Stichprobenumfängen für Modelle mit zu vielen Parametern tendenziell klein ist. In der Regel liefern die beiden Statistiken ähnliche Ergebnisse, wenn der Stichprobenumfang im Verhältnis zur Anzahl der Parameter im Modell hinreichend groß ist.

Geben Sie im Feld Konfidenzniveau das Konfidenzniveau für die Wahrscheinlichkeitsgrenzen des Prognosen ein. Die Wahrscheinlichkeitsgrenzen behandeln den Prognosewert als Zufallsvariable.

In der Regel ist ein Konfidenzniveau von 95 % gut geeignet. Für die Wahrscheinlichkeitsgrenze für einen Prognosewert gibt 95% an, dass die Wahrscheinlichkeit, dass der Prognosewert in das von den Grenzwerten definierte Intervall fällt, 0,95 beträgt.

Verwenden Sie eine Box-Cox-Transformation einer Zeitreihe, um zu versuchen, die Varianz der Reihe stationär zu machen. Stationäre Varianz ist eine Voraussetzung für ein ARIMA-Modell. Verwenden Sie ein Zeitreihendiagramm, um zu bestimmen, ob die Varianz einer Zeitreihe stationär ist. Wenn die Zeitreihe ein Muster in der Streuung der Punkte aufweist, ist die Varianz nicht stationär.