ARIMA에 대한 데이터 입력

통계분석 > 시계열 > ARIMA

데이터 입력

분석하려는 데이터 열을 지정하려면 다음 단계를 수행하십시오.

  1. 시계열에 규칙적인 간격으로 수집되고 시간순으로 기록된 수치 데이터 열을 입력합니다.
  2. (선택사항) 계절 모형 적합을 선택합니다. 기간에 계절적 패턴의 길이를 입력합니다. 예를 들어, 월별로 데이터를 수집하고 데이터에 연간 패턴이 있는 경우 12를 입력하십시오.

    계절 길이를 모르는 경우 통계분석 > 시계열 > 시계열도 또는 통계분석 > 시계열 > 자기 상관을 사용하면 길이를 식별할 수 있습니다.

  3. 모형에 대한 항을 입력합니다. 하나 이상의 항을 입력해야 합니다. 계절 항은 계절 모형 적합을 선택하는 경우에만 활성화됩니다. 각 항에 대해 입력할 수 있는 최대값은 5입니다.
    비계절 모형 자기회귀
    비계절적 AR 항(p)을 입력합니다. 이 항은 현재 값에 영향을 미치는 이전 값(시차)의 수입니다. 수를 모르는 경우에는 다음과 같이 해보십시오.
    • 시차 간에 유의한 상관 관계가 없는 경우 0을 입력합니다.
    • 시차 간에 유의한 상관 관계가 있는 경우 1 또는 2를 입력합니다.

    시차 간에 유의한 상관 관계가 있는지 여부를 확인하려면 자기 상관을 사용합니다.

    계절 모형 자기회귀
    계절적 AR 항(P)을 입력합니다. 이 항은 현재 계절과 유의한 상관 관계가 있는 이전 계절의 시차 수입니다. 대부분의 계절적 패턴의 경우 1이면 충분합니다. 이전 계절의 시차 간에 유의한 상관 관계가 있는지 여부를 확인하려면 자기 상관을 사용합니다.
    비계절 모형 차분
    차이 항(d)을 입력합니다. 이 값은 현재 데이터 값에서 이전 데이터 값을 빼는 횟수를 나타냅니다. 수를 모르는 경우에는 다음과 같이 해보십시오.
    • 데이터에 추세가 없고 평균이 비교적 일정한 경우 0을 입력합니다.
    • 추세가 선형이거나 평균이 일정하지 않은 경우 1을 입력합니다.
    • 일정하지 않은 선형 추세가 있는 경우 2를 입력합니다.

    추세를 식별하려면 통계분석 > 시계열 > 시계열도을 사용합니다.

    계절 모형 차분
    데이터가 계절적 패턴을 보이는 경우 계절적 차이 항(D)을 입력합니다. 대부분의 계절적 패턴의 경우 1이면 충분합니다.
    비계절 모형 이동 평균[MA]
    비계절적 MA 항(q)을 입력합니다. 이 항은 현재 값에 영향을 미치는 이전 오차 항(예측 오차의 시차)의 수입니다. 비계절적 MA 항을 확인하려면 편 자기 상관 함수를 살펴보십시오. 자세한 내용은 편 자기 상관 함수에서 확인하십시오.
    계절 모형 이동 평균[MA]
    데이터가 계절적 패턴을 보이는 경우 계절적 MA 항(Q)을 입력합니다. 대부분의 계절적 패턴의 경우 1이면 충분합니다.
    ARIMA 모형 적합에 대한 자세한 내용은 ARIMA 모형 적합에서 확인하십시오.

이 워크시트의 판매량에는 매월 판매되는 컴퓨터의 수가 포함됩니다.

C1
판매량
195000
213330
208005
249000
237040

모형에 상수 항 포함

다음 중 하나가 참인 경우 상수 항을 포함하려면 이 옵션을 선택하십시오.
  • 차이의 수가 0입니다.
  • 차이의 수가 1이고 데이터에 추세가 있습니다.

다른 경우에는 일반적으로 상수 항을 포함하지 않습니다.

계수에 대한 시작 값

Minitab에서 기본값을 사용하도록 하려면 이 옵션을 선택하지 마십시오. 일반적으로 기본값을 먼저 사용해야 합니다. 기본값을 사용하여 해를 얻을 수 없으면 시작 값이 포함된 열을 계수에 대한 시작 값에 입력하십시오. 다음과 같은 값을 시작 값으로 사용할 수 있습니다.
  • 이전 ARIMA 분석에서 저장한 값.
  • 상수부터 시작하여 각 모수에 대해 모형에 나타나는 순서대로 입력하는 값.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오