분해 분석을 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 시계열도, 정확도 측도 및 예측값이 포함됩니다.
1단계: 모형이 데이터에 적합한지 여부 확인
모형이 데이터에 적합한지 여부를 확인하려면 그림을 조사하십시오. 적합치가 실제 데이터를 가깝게 따르면 모형이 데이터를 적합하는 것입니다.
- 모형이 데이터에 적합하면 Winters의 방법을 수행하고 두 모형을 비교할 수 있습니다.
- 분해는 일정한 선형 추세를 사용합니다. 추세에 곡면성이 있는 것으로 나타나면 분해에서 좋은 적합치를 제공하지 않습니다. Winters의 방법을 사용해야 합니다.
- 모형이 데이터에 적합하지 않으면 그림에서 계절성이 결여되었는지 조사하십시오. 계절적 패턴이 없으면 다른 시계열 분석을 사용해야 합니다. 자세한 내용은 어떤 시계열 분석을 사용해야 합니까?에서 확인하십시오.
이 그림에서는 적합치가 데이터를 가깝게 따르며, 이는 모형이 데이터에 적합하다는 것을 나타냅니다.
2단계: 모형의 적합치를 다른 모형과 비교
모형의 적합치를 다른 시계열 모형과 비교하려면 정확도 측도(MAPE, MAD, MSD)를 사용합니다. 이러한 통계량 자체는 유용하지 않지만 다른 방법을 사용하여 얻은 적합치를 비교하는 데 사용할 수 있습니다. 3가지 통계량은 모두 일반적으로 값이 작을수록 모형이 더 잘 적합하다는 것을 나타냅니다. 단일 모형에 3개의 통계량 모두에 대한 가장 낮은 값이 없는 경우 MAPE가 일반적으로 많이 사용되는 측정값입니다.
참고
정확도 측도는 데이터 끝에서 1주기를 예측할 때 예상할 수 있는 정확도를 나타냅니다. 따라서 2주기 이상 예측하는 경우의 정확도는 나타내지 않습니다. 예측을 위해 모형을 사용하는 경우 정확도 측도만을 기준으로 결정을 내리지 말아야 합니다. 또한 모형의 적합치를 조사하여 예측값과 모형이, 특히 계열의 끝에서 데이터를 가깝게 따르는지 확인해야 합니다.
모형 1
정확도 측도
| MAPE | 7.265 |
|---|---|
| MAD | 16.621 |
| MSD | 518.119 |
모형 2
정확도 측도
| MAPE | 2.474 |
|---|---|
| MAD | 9.462 |
| MSD | 135.701 |
주요 결과: MAPE, MAD, MSD
이 결과에서는 세 숫자가 모두 두 번째 모형의 경우 첫 번째 모형보다 낮습니다. 따라서 두 번째 모형의 적합도가 더 높습니다.
3단계: 예측값이 정확한지 여부 확인
분해는 고정된 추세선과 고정된 계절 인덱스를 사용합니다. 추세와 계절 인덱스가 모두 고정되어 있기 때문에 추세와 계절성이 매우 일정한 경우 분해만 사용하여 예측해야 합니다. 적합치가 시계열의 끝에서 실제 값과 일치하는지 확인하는 것이 중요합니다. 계절적 패턴이나 추세가 데이터의 끝에서 적합치와 일치하지 않으면 Winters의 방법을 사용하십시오.
이 그림에서는 모형이 계열의 끝에서 데이터를 과소 예측합니다. 이는 추세 또는 계절적 패턴이 일정하지 않다는 것을 나타냅니다. 이 데이터를 예측하려면 Winters의 방법을 사용하여 데이터에 대한 더 나은 적합치를 제공하는지 여부를 확인해야 합니다.
