에 대한 분석 옵션 선택최상의 ARIMA 모형으로 예측

최상의 ARIMA 모델을 선택하는 데 사용할 정보 기준을 지정합니다.

AICc와 BIC 모두 모형의 우도를 평가한 다음 모형에 항을 추가하는 데 대한 벌칙을 적용합니다. 벌칙은 모형을 표본 데이터에 과다 적합하는 경향을 줄입니다. 이에 따라 일반적으로 더 잘 수행되는 모형이 생성됩니다.

일반 지침에 따라, 모수 수가 표본 크기에 비해 작은 경우 AICc보다 BIC가 각 모수의 추가에 대한 벌칙이 더 큽니다. 이러한 경우 BIC를 최소화하는 모형이 AICc를 최소화하는 모형보다 더 작은 경향이 있습니다.

표본 크기가 모형의 모수에 비해 작은 경우 AICc가 AIC보다 잘 수행됩니다. 표본 크기가 상대적으로 작으면 AIC가 모수가 너무 많은 모형의 경우 작은 경향이 있으므로 AICc가 더 잘 수행됩니다. 일반적으로, 표본 크기가 모형의 모수에 비해 충분히 큰 경우 비슷한 결과를 제공합니다.

에서 신뢰 수준예측의 확률 한계에 대한 신뢰 수준을 입력합니다. 확률 한계는 예측 값을 임의의 변수로 처리합니다.

일반적으로 95%의 신뢰 수준이 잘 작동합니다. 예측 값에 대한 확률 한계의 경우 95%는 예측 값이 한계가 정의하는 구간에 속할 확률이 0.95임을 나타냅니다.

시계열의 Box-Cox 변환을 사용하여 계열의 분산을 고정시킵니다. 고정 분산은 ARIMA 모델의 요구 사항입니다. 시계열 플롯을 사용하여 시계열의 분산이 고정되어 있는지 확인합니다. 시계열에 점의 스프레드에 패턴이 있으면 분산은 고정되어 있지 않습니다.