ARIMA (自己回帰和分移動平均)のデータを入力する

季節の長さが不明な場合は、統計 > 時系列 > 時系列プロットまたは統計 > 時系列 > 自己相関を使用して長さを特定できるようにします。

非季別自己回帰

非季節性のAR項（p）を入力します。この項は、現在値に影響する前の値（遅れ）の個数です。個数が分からない場合は、次のようにします。

• 有意に相関する遅れがない場合は、「0」と入力します。
• 遅れが有意に相関する場合は、「1」または「2」と入力します。

自己相関を使用して、遅れが有意に相関するかどうかを判定します。

季別自己回帰

季節性のAR項（P）を入力します。この項は、現在の季節と有意に相関する前の季節の遅れの数です。ほとんどの季節パターンの場合に、値は1で十分です。自己相関を使用して、前の季節からの遅れが有意に相関するかどうかを判定します。

非季別差分

階差項（d）を入力します。この値は、現在のデータ値から前のデータ値を除算する回数を示します。回数が分からない場合は、次のようにします。

• データにトレンドがなく、平均が相対的に一定している場合は、「0」と入力します。
• トレンドが線形か、または平均が一定していない場合は、「1」と入力します。
• 一定ではなく、線形のトレンドがある場合は、「2」と入力します。

トレンドを識別するには、統計 > 時系列 > 時系列プロットを使用します。

季別差分

データに季節パターンがある場合は、季節性階差項（D）を入力します。ほとんどの季節パターンの場合に、値は1で十分です。

非季別移動平均

非季節性MA項（q）を入力します。この項は、現在の値に影響する前の誤差項（予測誤差の遅れ）の数です。非季節性MA項を判断するには、偏自己相関関数を見ます。詳細は、「偏自己相関関数」を参照してください。

季別移動平均

データに季節パターンがある場合は、季節性MA項（Q）を入力します。ほとんどの季節パターンの場合に、値は1で十分です。