ARIMAを使用して、自己回帰成分、階差成分、および移動平均成分を含めることが可能な時系列データのモデルを指定します。そのモデルを使用して、予測を行うことができます。

ARIMA(自己回帰和文移動平均)では、Box-Jenkins ARIMAモデルを時系列に当てはめます。ARIMAモデルの各項は、モデル構築の際に、ランダム雑音だけが残されるまで行われるステップを表します。他の時系列法とは異なり、ARIMAモデリングでは相関手法を使用します。ARIMAを使用して、プロットデータでは視覚化されないパターンをモデル化することができます。

たとえば、地元の事務所の予算作成者がARIMAモデルを使用して、次の3期間の水道電気料金を予測するとします。

この分析の場所

ARIMA分析を実行するには、統計 > 時系列分析 > ARIMA (自己回帰和分移動平均)を選択します。

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