시계열도에 대한 주요 결과 해석

공정 지식을 사용하여 비정상적인 관측치 또는 이동이 오류를 나타내는지 아니면 공정의 실제 변화를 나타내는지 확인하십시오.

특이치

특이치라고도 하는 비정상적인 관측치가 있는지 찾아보십시오. 특이치는 시계열 모형에 불균형적인 영향을 미치고 잘못된 결과를 유발할 수 있습니다. 특이치의 원인을 확인하고 데이터 입력 오류 또는 측정 오류를 수정하십시오. 특수 원인이라고도 하는 비정상적인 일회성 사건과 연관된 데이터 값을 삭제해 보십시오.

다음 시계열도는 데이터 입력 오류로 인한 특이치를 표시합니다. 한 기술자가 실수로 워크시트에 40 대신 4를 값으로 입력했습니다.

급격한 이동

계열의 급격한 이동이나 추세의 급격한 변화를 찾아보십시오. 이런 변화의 원인을 확인해 보십시오.

예를 들어 다음 시계열도에는 15개월 후에 공정 비용이 급격히 바뀌는 것이 보입니다. 변동의 원인을 조사해야 합니다.

추세는 데이터 값의 장기적인 증가 또는 감소입니다. 추세는 선형이거나, 곡면성을 어느 정도 보일 수 있습니다. 데이터에 추세가 보이는 경우, 시계열 분석을 사용하여 데이터를 모형화하고 예측을 생성할 수 있습니다. 사용할 분석에 대한 자세한 내용을 확인하려면 어떤 시계열 분석을 사용해야 합니까?로 이동하십시오.

계절 패턴이란 같은 기간 동안 정기적으로 반복되는 데이터 값의 상승 또는 하락입니다. 예를 들어 자동차 부품 매장의 주문량은 매주 월요일에 적고 주중에 증가하며 매주 금요일에 최고에 달합니다. 계절 패턴에는 항상 고정되고 알려진 기간이 있습니다. 반대로, 주기적 움직임은 정기적으로 반복되지 않는 데이터 값의 상승 및 하락 주기입니다. 일반적으로 주기적인 움직임은 계절 패턴보다 더 길고 변동이 더 큽니다.

시계열 분석을 사용하여 패널을 모형화하고 예측을 생성할 수 있습니다. 사용할 분석에 대한 자세한 내용을 확인하려면 어떤 시계열 분석을 사용해야 합니까?로 이동하십시오.

계절 패턴

다음 데이터는 계절 패턴을 보입니다. 패턴은 12개월마다 반복됩니다.

주기적 움직임

다음 데이터는 주기적 움직임을 보입니다. 주기는 정기적으로 반복되지 않고, 형상이 같지 않습니다.

랜덤 변동

다음 데이터는 랜덤 변동을 보입니다. 패턴이나 주기가 없습니다.

계절 변동의 크기가 일정하면 계절 변동이 가법적입니다. 계절 변동의 크기가 데이터 값이 클수록 커지면 계절 변동이 승법적입니다. 변동성이 더 크면 승법적 계절 변동을 정확하게 예측하기가 더 어려워집니다.

패턴이 명확하지 않거나 데이터를 모형화하기 위해 가법 절차와 승법 절차 중에서 선택하는 데 문제가 있는 경우, 두 절차를 모두 사용해보고 정확도 측도가 더 작은 방법을 선택할 수 있습니다. 자세한 내용을 확인하려면 어떤 시계열 분석을 사용해야 합니까?로 이동하십시오.