综合自回归移动平均 (ARIMA) 输入数据

统计 > 时间序列 > ARIMA

输入数据

请完成以下步骤来指定要分析的数据列。

  1. 序列中,输入定期收集并按时间顺序记录的数值数据列。
  2. (可选)选择拟合季节模型。在周期中,输入季节性模式的长度。例如,如果您每月收集数据且数据具有每年模式,请输入 12

    如果您不知道季节性长度,请使用统计 > 时间序列 > 时间序列图统计 > 时间序列 > 自相关帮助确定长度。

  3. 输入模型项。必须至少输入一项。只有当您选择了拟合季节模型时,季节性项才处于活动状态。对于每个项,可以输入的最大值为 5。
    非季节自回归
    输入非季节性 AR 项 (p)。此项是影响当前值的先前值(滞后)的数量。如果您不知道该值,请尝试执行以下操作:
    • 如果没有显著相关的滞后,请输入 0
    • 如果存在显著相关的滞后,请输入 12

    使用自相关可以确定滞后是否显著相关。

    季节自回归
    输入季节性 AR 项 (P)。此项是来自上一季节的滞后量,这些滞后与当前季节显著相关。对于大多数季节性模式,使用 1 即可。使用自相关可以确定来自上一季节的滞后是否显著相关。
    非季节差值
    输入另一个项 (d)。此值指示将当前数据值减去上一个数据值的次数。如果您不知道该值,请尝试执行以下操作:
    • 如果数据没有趋势而且均值相对恒定,请输入 0
    • 如果趋势是线性的或者均值不恒定,请输入 1
    • 如果存在不恒定和非线性的趋势,请输入 2

    要确定趋势,请使用 统计 > 时间序列 > 时间序列图

    季节差值
    如果数据呈现出季节性模式,请输入季节性差分项 (D)。对于大多数季节性模式,使用 1 即可。
    非季节移动平均
    输入非季节性 MA 项 (q)。此项是影响当前值的先前误差项(预测误差的滞后)的数量。要确定非季节性 MA 项,请查看偏自相关函数。有关更多信息,请转到偏自相关函数
    季节移动平均
    如果数据呈现出季节性模式,请输入季节性 MA 项 (Q)。对于大多数季节性模式,使用 1 即可。
    有关拟合 ARIMA 模型的更多信息,请转到拟合 ARIMA 模型

在该工作表中,销售量包含每个月销售的计算机数。

C1
销售量
195000
213330
208005
249000
237040

模型中包括常量项

选中此选项将在满足下列任一条件时包括常量项:
  • 差分个数为 0。
  • 差分个数为 1,数据有趋势。

对于其他情况,通常不包括常量项。

系数的起始值

不要选中此选项,让 Minitab 使用默认值。通常,您应当尝试首先使用默认值。如果默认值不能生成解,请在系数的初始值中输入包含备择起始值的列。备择起始值可以为:
  • 所存储的来自上一个 ARIMA 分析的值。
  • 以每个参数在输出中显示的顺序输入的值:ARs(自动递减参数)、季节性 ARs、MAs(移动平均参数)、季节性 MAs 和常数。