통지
이제 support.minitab.com을 떠나게 됩니다."
계속하려면 계속을 클릭하세요 :
이 값은 오차 제곱합(SSE)을 얻기 위해 필요한 반복 횟수입니다. ARIMA 알고리즘은 모형을 적합하기 위해 최대 25회의 반복을 수행합니다. 해가 수렴하지 않으면 저장 하위 대화 상자에서 추정된 계수를 저장하고 저장된 계수 열을 계수에 대한 시작 값에 입력하여 분석을 다시 실행하십시오. 추정된 모수를 저장하고 이 모수를 필요한 횟수만큼 후속 적합의 시작 값으로 사용할 수 있습니다.
모형에 상수를 포함하기 때문에 알고리즘이 수렴하지 않을 수도 있습니다. 상수 없이 분석을 다시 수행할 수도 있습니다.
SSE는 잔차 제곱의 합입니다. SSE는 ARIMA 모형이 설명하지 않는 데이터의 변동을 수량화합니다. Minitab에서는 ARIMA 알고리즘의 각 반복에 대해 SSE를 표시합니다.
SSE는 각 반복에서 적합된 모형의 정확도를 나타냅니다. 값이 작을수록 모형 적합성이 더 정확합니다. 모형이나 시작 조건을 비교하는 경우 여러 개의 최종 SSE 값을 비교하면 유의할 수 있습니다. 그러나 하나의 최종 SSE 값은 직관적으로 유의하지 않을 수도 있습니다.
모수는 각 반복에서 모형 내 모수에 대해 추정된 계수입니다. 표는 하나의 해로 수렴하려는 ARIMA 알고리즘의 진행 상태를 보여줍니다. 알고리즘은 각 반복에 대해 이전 반복과 비교하여 SSE가 줄어들 것으로 예측되는 방식으로 모수 추정치를 조정합니다. 반복은 알고리즘이 제곱합을 더 이상 줄일 수 없거나, 문제가 발생하여 반복을 계속할 수 없거나, Minitab이 최대 반복 횟수에 도달할 때까지 계속됩니다.
후방 예측값은 계열 시작 전의 시간 간격에 대한 적합치입니다. 후방 예측값은 시계열의 순서를 반대로 하고 순서를 반대로 한 계열의 끝에서 생성한 예측값과 같습니다.
계수는 모형 내 모수 값의 최종 추정치입니다. 계수는 ARIMA 모형에서 항의 값에 곱하는 숫자입니다.
계수의 표준 오차(SE 계수)는 동일한 모집단에서 반복해서 표본을 추출하는 경우 얻게 되는 모수 추정치 간의 변동성을 추정합니다. 모수 추정치의 정확도를 측정하려면 추정치의 표준 오차를 사용하십시오. 표준 오차가 작을수록 추정값의 정확도가 높아집니다.
t-값은 계수와 계수의 표준 오차 간의 비율을 측정합니다.
Minitab에서는 t-값을 사용하여 계수가 0과 유의하게 다른지 여부를 검정하기 위해 사용하는 p-값을 계산합니다.
t-값을 사용하여 귀무 가설의 기각 여부를 확인할 수 있습니다. 그러나 귀무 가설의 기각에 대한 분계점이 자유도에 종속되지 않기 때문에 p-값이 더 자주 사용됩니다.
p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.
잔차에 대한 제곱합은 후방 예측값을 제외하고, 최종 모수 추정치를 사용하는 잔차의 합입니다. Minitab에서는 제곱합을 사용하여 평균 제곱 오차를 계산합니다.
평균 제곱 오차는 적합된 모형의 정확도 측도입니다. 일반적으로 평균 제곱 오차 값이 작을수록 더 적합한 모형을 나타냅니다. 여러 ARIMA 모형의 적합치를 비교하려면 평균 제곱 오차를 사용하십시오.
자유도는 데이터 내 정보의 양입니다. Minitab에서는 잔차에 대한 자유도를 사용하여 평균 제곱 오차를 계산합니다.
상관 행렬은 모형 내 항의 모든 쌍에 대한 상관을 표시합니다. 모수 추정치가 높은 상관 관계를 갖고 있는 경우 모수의 수를 줄여 모형을 단순화해 보십시오.
이제 support.minitab.com을 떠나게 됩니다."
계속하려면 계속을 클릭하세요 :