ある雇用アナリストは雇用局のために、5年間(60ヶ月)にわたる3つの産業での雇用動向を調査します。分析者がARIMAを実行して小売/卸売業にモデルを当てはめるとします。

  1. サンプルデータ雇用動向.MTWを開きます。
  2. 統計 > 時系列分析 > ARIMA (自己回帰和分移動平均)を選択します。
  3. 系列に、貿易を入力します。
  4. 自己回帰非季別に、「1」と入力します。
  5. グラフをクリックして、残差のACFを選択します。
  6. OKをクリックします。

結果を解釈する

移動平均項には、有意水準が0.05未満のp値が入っています。分析者は、移動平均項の係数が統計的に0から有意に異なると結論付け、モデルにその項を維持します。Ljung-Boxカイ二乗統計量のp値はすべて0.05より大きく、残差の自己相関関数の相関はどれも有意ではありません。分析者は、モデルが、残差は独立しているという仮定を満たすと結論付けます。

ARIMA (自己回帰和分移動平均) モデル: 貿易

各反復の推定値 残差平方 反復 和 (SSE) パラメータ 0 543.908 0.100 90.090 1 467.180 -0.050 105.068 2 412.206 -0.200 120.046 3 378.980 -0.350 135.024 4 367.545 -0.494 149.372 5 367.492 -0.503 150.341 6 367.492 -0.504 150.410 7 367.492 -0.504 150.415 各推定値の相対変化量 (0.001未満)
パラメータの最終推定値 係数の標 タイプ 係数 準誤差 t値 p値 AR 1 -0.504 0.114 -4.42 0.000 定数 150.415 0.325 463.34 0.000 平均 100.000 0.216

観測数: 60

残差の平方和 自由度 平方和 平均平方 58 366.733 6.32299 後方予測を除く
修正されたBox-Pierce (Ljung-Box) カイ二乗統計量 遅れ (Lag) 12 24 36 48 カイ二乗 4.05 12.13 25.62 32.09 自由度 10 22 34 46 p値 0.945 0.955 0.849 0.940
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください