分解の主要な結果を解釈する

分解分析を解釈するには、次の手順を実行します。主要な結果には、時系列プロット、精度の測度、および予測値などがあります。

ステップ1: モデルがデータに適合するかどうか判断する

プロットを調べて、モデルがデータに適合するかどうか調べます。適合値が実際のデータに密接に従う場合、モデルはデータに適合します。
  • モデルがデータに適合する場合は、ウィンターの方法を実行し、2つのモデルを比較できます。
  • 分解では一定の線形トレンドを使用します。トレンドに曲面性がある場合、分解は良好に適合しません。ウィンターの方法を使用してください。
  • モデルがデータに適合しない場合は、プロットに季節性がないかどうか調べます。季節パターンが存在しない場合は、別の時系列分析を使用してください。詳細は、使用する時系列分析を参照してください。

このプロットでは適合値がデータに密接に従っており、これは、そのモデルがデータに適合することを示しています。

ステップ2: モデルの適合を他のモデルと比較する

精度の測度(MAPE、MAD、およびMSD)を使用して、モデルの適合度を他の時系列モデルと比較します。これらの統計量は、それ自体ではそれほど参考になりませんが、別の方法を使用して得られた適合度を比較する目的で使用できます。それら3つの統計量すべてにおいて、通常は値が小さいほど適合性が高いモデルであることを示します。単一のモデルに3つすべての統計量の最小値が含まれていない場合は、通常、MAPEが優先される測定方法となります。

この精度の測度は、データの終わりからの1期間を予測する場合に期待される精度を示しています。したがって、1期間より先の期間の予測の精度を示すものではありません。予測でモデルを使用する場合は、精度の測度のみに基づいて決定しないでください。モデルの適合度も調べ、特に系列の終わりにその予測とモデルがデータに密接に従うことを確認する必要があります。

モデル1

精度の測度 MAPE 8.1976 MAD 3.6215 MSD 22.3936

モデル2

精度の測度 MAPE 6.9551 MAD 2.7506 MSD 11.2702
主要な結果: MAPE、MAD、MSD

これらの結果において、2番目のモデルのほうが1番目のモデルと比較して3つすべての数値が小さくなっています。したがって、2番目のモデルのほうが適合性が高いと言えます。

ステップ3: 予測値が正確かどうかを判断する

分解では、固定トレンド線と固定季節指標を使用します。トレンド指標と季節指標の両方が固定されているため、分解は、トレンドと季節性が非常に顕著な時期を予測するためだけに使用します。特に、時系列の終わりに適合が実際の値と一致することを検証することが重要です。季節パターンまたはトレンドがデータの終わりに適合値と調和しない場合は、ウィンターの方法を使用します。

このプロットでは、系列の終わりにおけるデータがモデルによって過小予測されています。これは、トレンドまたは季節パターンが一貫していないことを示します。このデータを予測する場合は、Winterの方法を試して、データに対する適合度が向上するかどうか判断してください。

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