Seleccionar las opciones de análisis para Pronóstico con el mejor modelo ARIMA

Especifique qué criterio de información utilizar para seleccionar el mejor modelo ARIMA.

Tanto el AICc como el BIC evalúan la probabilidad del modelo y luego aplican una penalización por agregar términos al modelo. La penalización reduce la tendencia a sobreajustar el modelo a los datos de la muestra. Esta reducción puede producir un modelo que tenga un mejor desempeño en general.

Como directriz general, cuando el número de parámetros es pequeño en relación con el tamaño de la muestra, el BIC tiene una penalización mayor por la adición de cada parámetro que el AICc. En estos casos, el modelo que minimiza el BIC tiene a ser más pequeño que el modelo que minimiza el AICc.

Cuando el tamaño de la muestra es pequeño en relación con los parámetros incluidos en el modelo, el AICc tiene un mejor desempeño que el AIC. El AICc tiene un mejor desempeño debido a que, con tamaños de muestras relativamente pequeños, el AIC tiende a ser pequeño para modelos con demasiados parámetros. Por lo general, los dos estadísticos dan resultados similares cuando el tamaño de la muestra es suficientemente grande en relación con los parámetros incluidos en el modelo.

En Nivel de confianza, ingrese el nivel de confianza para los límites de probabilidad de los pronósticos. Los límites de probabilidad tratan el valor de pronóstico como una variable aleatoria.

Por lo general, un nivel de confianza de 95% funciona adecuadamente. Para el límite de probabilidad para un valor de pronóstico, 95% indica que la probabilidad de que el valor de pronóstico caiga en el intervalo que los límites definen es 0.95.

Utilice una transformación de Box-Cox de una serie temporal para intentar que la varianza de la serie sea estacionaria. La varianza estacionaria es un requisito para un modelo ARIMA. Utilice una gráfica de series temporales para determinar si la varianza de una serie temporal es estacionaria. Si la serie temporal tiene un patrón en la dispersión de los puntos, entonces la varianza no es estacionaria.