Minitabに含まれている時系列分析

Minitabには、時系列データを分析するために、いくつかの単純な予測と平滑化の方法、相関分析法、およびARIMA(自己回帰和分移動平均)モデリング法が用意されています。
時系列プロット
時間順にデータをプロットしてトレンドまたは季節パターンがあるかどうかを判定するには、時系列プロットを作成します。Minitabで、統計 > 時系列分析 > 時系列プロットを選択します。
トレンド分析
線形、2次、成長、またはS-曲線トレンドモデルを使用してトレンド線を当てはめるには、トレンド分析を実行します。Minitabで、統計 > 時系列分析 > トレンド分析を選択します。
分解
すべての観測値に等しく重み付けするモデルを当てはめて最適な回帰適合値を判定するには、分解分析を実行します。この分析は、トレンドの有無に関係なく、系列に季節パターンがあることが示される場合に使用します。Minitabで、統計 > 時系列分析 > 分解を選択します。
移動平均
最近の観測値を平均化して古い観測値を除外する方法を使用して系列を平滑化するには、移動平均法を使用します。系列にトレンドがあることが示される場合には使用しないでください。Minitabで、統計 > 時系列分析 > 移動平均を選択します。
1系列指数平滑化
時系列にトレンドまたは季節パターンがあることが示されない場合に古い観測値に指定する重み値を減らす方法を使用して系列を平滑化するには、1系列指数平滑化法を使用します。Minitabで、統計 > 時系列分析 > 1系列指数平滑化を選択します。
二重指数平滑化
時系列にトレンドがあり、季節パターンは存在しないことが示される場合に古い観測値に指定する重み値を減らす方法を使用して系列を平滑化するには、二重指数平滑化法を使用します。Minitabで、統計 > 時系列分析 > 二重指数平滑化を選択します。
Winterの方法
トレンドの有無には関係なく、時系列に季節パターンがあることが示される場合に古い観測値に指定する重み値を減らす方法を使用して系列を平滑化するには、Winterの平滑化法を使用します。Minitabで、統計 > 時系列分析 > Winterの方法を選択します。
階差
カスタム分析およびプロット用にデータ列を新規作成し、系列内の観測値間の階差を保存します。Minitabで、統計 > 時系列分析 > を選択します。
遅れ
カスタム分析およびプロット用にデータ列を新規作成し、ワークシートで特定の行数だけ系列を下にずらします。Minitabで、統計 > 時系列分析 > 遅れ (Lag)を選択します。
自己相関
異なる時点における観測値の間にどの程度の相関があるかを測定し、季節パターンを探すには、自己相関分析を実行します。この分析を偏自己相関関数と併用して、ARIMA(自己回帰和分移動平均)モデルの成分を特定します。Minitabで、統計 > 時系列分析 > 自己相関を選択します。
偏自己相関
時系列内の過去の観測値と将来の観測値の相関の程度を測定し、同時に相関ペアの間にある観測値について説明するには、偏自己相関分析を実行します。この分析を自己相関関数と併用して、ARIMA(自己回帰和分移動平均)モデルの成分を特定します。Minitabで、統計 > 時系列分析 > 偏自己相関を選択します。
相互相関
異なる時点における2つの系列間の相関をプロットすることにより、1つの系列によって他の系列が予測されるかどうかを判定するには、相互相関分析を実行します。Minitabで、統計 > 時系列分析 > 相互相関を選択します。
ARIMA
自己回帰成分、階差成分、および移動平均成分が存在するモデルを当てはめるには、ARIMA(自己回帰和分移動平均)を使用します。ARIMA(自己回帰和分移動平均)モデルを当てはめるには、系列の自己相関と偏自己相関の構造を理解しておく必要があります。Minitabで、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