トレンド分析のすべての統計量およびグラフを解釈する

解釈

異なる時系列モデルの適合度を比較するために使用します。値が小さいほど適合性が高いことを示します。単一のモデルに、3つすべての精度の測度の最低値が含まれていない場合、通常はMAPEが優先される測定方法となります。

精度の測度は、1期間先の残差に基づいています。各時点でこのモデルを使用して、時系列における次の期間のY値を予測します。予測値（適合度）と実際のY値の差は、1期間先の残差です。このため、この精度の測度は、データの終わりから始まる1期間を予測する場合に期待される精度を示します。したがって、1期間より先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て、特に系列の終わりにおいて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。

解釈

異なる時系列モデルの適合度を比較する目的で使用します。値が小さいほど適合性が高いことを示します。

精度の測度は、1期間先の残差に基づいています。このモデルは、各時点において、時系列の次の期間におけるY値を予測する目的で使用します。予測値（適合度）と実際のY値の差は、1期間先の残差です。このため、この精度の測度は、データの終わりから始まる1期間について予測する場合に期待される精度を示します。したがって、1期間より先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、その予測値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。

解釈

異なる時系列モデルの適合度を比較する目的で使用します。値が小さいほど適合性が高いことを示します。

精度の測度は、1期間先の残差に基づいています。このモデルは、各時点において、時系列の次の期間におけるY値を予測する目的で使用します。予測値（適合度）と実際のY値の差は、1期間先の残差です。このため、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ます。したがって、1期間より先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て、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。

解釈

トレンド値は、データセットに含まれる観測値ごとの特定の時間値を時系列モデルに入力することによって計算されます。

たとえば、モデル方程式がy = 5 + 10xの場合、時間2におけるトレンド値は25（25 = 5 + 10(2)）となります。

観測された値と非常に異なるトレンド値を含む観測値は、異常な観測値か、または影響力のある観測値である可能性があります。外れ値がある場合は、その原因を特定してください。データ入力や測定の誤差はすべて修正します。異常な1回だけの事象（特殊原因）に関連付けられたデータ値を除外することを検討してください。それから、分析を繰り返します。

解釈

トレンド除去値をプロットして、モデルが適合するかどうか判断します。値を調べることにより、データに対するモデルの適合度に関して有用な情報を得ることができます。一般に、トレンド除去値は0付近にランダムに分布し、明確なパターンや異常値を示しません。

解釈

予測を使用して、指定した期間における変動を予測します。たとえば倉庫管理者は、過去60か月間の注文状況に基づいて、向こう3か月間の製品の発注量をモデル化することができます。

トレンド分析プロットの終わり、および予測を調べて、予測値の正確さを判断します。適合値は、特に系列の終わりにはデータに密接に従います。系列の終わりに適合値がデータからずれ始めた場合は、基本のトレンドが変化している可能性があります。トレンドが変化している場合は、そのモデルで正確な予測を行うことはできません。その場合は、データをさらに収集して、長期間におけるトレンドでは一貫性が低下するかどうか判断してください。

予測が正確なものに見える場合でも、3期間より先の予測は慎重に行ってください。短いスパンのデータで観測されるトレンドは、より大きなサイクルの一部になっていて長くは持続しない可能性があります。トレンドは急変する可能性があるため、通常は2～3期間先の範囲についてのみ予測してください。

トレンド分析プロットには、観測値と時間の関係が表示されます。このプロットには、適合されたトレンド式から計算される適合値、予測値、および精度の測度が含まれます。

解釈

残差の正規プロットには、分布が正規分布する場合の残差と期待値の関係が表示されます。

解釈

残差の正規プロットを使用して、残差が正規分布かどうかを判断します。ただし、この分析には、正規分布した残差は不要です。

残差が正規分布の場合、残差の正規の確率プロットは直線に近似します。次のパターンは、残差が正規分布していないことを示唆しています。

解釈

残差対適合値プロットを使用して、残差に偏りがなく、均一分散かどうかを判断します。理想的なのは、各点が0の両側にランダムにプロットされ、認識可能なパターンが存在しない状態です。

残差に不均一分散またはパターンがある場合、予測は正確ではない可能性があります。

解釈

残差対データ順序プロットを使用して、観測期間に観測された値と比較した適合値の正確さを確認します。各点におけるパターンは、モデルがデータに適合しないことを示す可能性があります。理想的には、プロットの残差が中心線の周囲にランダムにプロットされます。

以下は、モデルがデータに適合しないことを示す可能性があるパターンの例です。

解釈

このプロットを使用して、変数が系統的に応答に影響するかどうかを判断します。残差にパターンがある場合、その他の変数が応答に関連付けられます。この情報は、追加調査の基本として参考にすることができます。