Minitab에서는 단순 예측 및 평활 방법, 상관 분석 방법 및 ARIMA 모형화 방법 등 시계열 데이터를 분석할 수 있는 여러 가지 방법을 제공합니다.
시계열도
데이터를 시간 순으로 표시하여 추세 또는 계절적 패턴이 있는지 여부를 확인하려면 시계열도를 생성합니다. Minitab에서 통계분석 > 시계열 > 시계열도을 선택합니다.
추세 분석
선형, 2차, 성장 또는 S-곡선 추세 모형을 사용하여 추세선을 적합시키려면 추세 분석을 수행합니다. Minitab에서 통계분석 > 시계열 > 추세 분석을 선택합니다.
분해
모든 관측치에 동일하게 가중치를 부여하는 모형을 적합시켜 최량 회귀 분석 적합치를 찾으려면 분해 분석을 수행합니다. 계열이 추세가 있거나 없는 계절적 패턴을 보이는 경우 사용합니다. Minitab에서 통계분석 > 시계열 > 분해을 선택합니다.
이동 평균[MA]
최근 관측치의 평균을 구하고 오래된 관측치를 제외하는 방법을 사용하여 계열을 평활하려면 이동 평균[MA] 방법을 사용합니다. 계열이 추세를 보이는 경우에는 이 방법을 사용하지 않습니다. Minitab에서 통계분석 > 시계열 > 이동 평균[MA]을 선택합니다.
단일 지수 평활
시계열이 추세나 계절적 패턴을 보이지 않을 때 오래된 관측치일수록 낮은 가중치를 부여하는 방법을 사용하여 계열을 평활하려면 단일 지수 평활 방법을 사용합니다. Minitab에서 통계분석 > 시계열 > 단일 지수 평활을 선택합니다.
이중 지수 평활
시계열이 추세를 보이지만 계절적 패턴을 보이지 않을 때 오래된 관측치일수록 낮은 가중치를 부여하는 방법을 사용하여 계열을 평활하려면 이중 지수 평활 방법을 사용합니다. Minitab에서 통계분석 > 시계열 > 이중 지수 평활을 선택합니다.
Winters의 방법
시계열이 추세가 있거나 없는 계절적 패턴을 보일 때 오래된 관측치일수록 낮은 가중치를 부여하는 방법을 사용하여 계열을 평활하려면 Winters의 평활 방법을 사용합니다. Minitab에서 통계분석 > 시계열 > Winters의 방법을 선택합니다.
차이
사용자 정의 분석 및 그림에 대한 새 데이터 열을 생성하고 계열 내 관측치 간의 차이를 저장합니다. Minitab에서 통계분석 > 시계열 > 차분을 선택합니다.
시차
사용자 정의 분석 및 그림에 대한 새 데이터 열을 생성하고 워크시트에서 지정된 행 수만큼 계열을 아래로 이동합니다. Minitab에서 통계분석 > 시계열 > 시차을 선택합니다.
자기 상관
여러 시점의 관측치가 서로 얼마나 잘 상관되는지 측정하고 계절적 패턴을 찾으려면 자기 상관 분석을 수행합니다. ARIMA 모형에 대한 성분을 식별하려면 이 분석을 편 자기 상관 함수와 함께 사용합니다. Minitab에서 통계분석 > 시계열 > 자기 상관을 선택합니다.
편 자기 상관
시계열의 과거 관측치가 미래 관측치와 얼마나 잘 상관되는지 측정하고 상관 쌍 사이에 있는 관측치를 설명하려면 편 자기 상관 분석을 수행합니다. ARIMA 모형에 대한 성분을 식별하려면 이 분석을 자기 상관 함수와 함께 사용합니다. Minitab에서 통계분석 > 시계열 > 편 자기 상관을 선택합니다.
교차 상관
다른 시점의 두 계열 사이의 상관을 그림으로 표시하여 하나의 계열이 다른 계열을 예측하는지 여부를 확인하려면 교차 상관 분석을 수행합니다. Minitab에서 통계분석 > 시계열 > 교차 상관을 선택합니다.
ARIMA
자기 회귀, 차이 및 이동 평균[MA] 성분이 있는 모형을 적합하려면 ARIMA를 수행합니다. ARIMA 모형을 적합시키려면 계열의 자기 상관 및 편 자기 상관 구조를 이해해야 합니다. Minitab에서 통계분석 > 시계열 > ARIMA을 선택합니다.
