Minitab 中包含哪些时间序列分析？

Minitab 提供多个简单的预测和平滑方法、相关分析方法和 ARIMA 建模技术，这些方法和技术可用来分析时间序列数据。

时间序列图

要以时间顺序绘制数据，以确定是否存在趋势或季节性模式，可以创建一个时间序列图。在 Minitab 中，选择统计 > 时间序列 > 时间序列图。

趋势分析

要使用线性、二次、增长或 S 曲线趋势模型拟合趋势线，请执行趋势分析。在 Minitab 中，选择统计 > 时间序列 > 趋势分析。

分解

要拟合可将所有观测值的权重处理成相等的模型以确定最佳回归拟合，请执行分解分析。在您的序列呈现某种季节性模式（带有或不带有趋势）时使用。在 Minitab 中，选择统计 > 时间序列 > 分解。

移动平均

要使用对最近的观测值求平均值和排除较旧观测值的方法来平滑处理您的序列，请使用移动平均方法。在您的序列呈现某种趋势时，请不要使用移动平均方法。在 Minitab 中，选择统计 > 时间序列 > 移动平均。

单指数平滑

要在您的时间序列不呈现某种趋势或季节性模式时使用可为更旧的观测值提供递减权重的方法来平滑处理您的序列，请使用单指数平滑方法。在 Minitab 中，选择统计 > 时间序列 > 单指数平滑。

双指数平滑

要在您的时间序列呈现某种趋势但不呈现季节性模式时使用可为更旧的观测值提供递减权重的方法来平滑处理您的序列，请使用双指数平滑方法。在 Minitab 中，选择统计 > 时间序列 > 双指数平滑。

Winters 方法

要在您的时间序列呈现某种季节性模式（带有或不带有趋势）时使用可为更旧的观测值提供递减权重的方法来平滑处理您的序列，请使用 Winters 平滑方法。在 Minitab 中，选择统计 > 时间序列 > Winter 法。

差分

为自定义分析和图新建一列数据，并按序列存储观测值之间的差异。在 Minitab 中，选择统计 > 时间序列 > 差值。

滞后

为自定义分析和图新建一列数据，并将序列在工作表中向下偏移特定的行数。在 Minitab 中，选择统计 > 时间序列 > 滞后。

自相关

要度量不同点处的观测值之间的关联程度并查找季节性模式，请执行自相关分析。将此分析与偏自相关函数结合使用可以标识 ARIMA 模型的分量。在 Minitab 中，选择统计 > 时间序列 > 自相关。

偏自相关

要度量某个时间序列中过去的观测值与将来观测值之间的关联程度，并同时考虑介于相关对之间的观测值，请执行偏自相关分析。将此分析与自相关函数结合使用可以标识 ARIMA 模型的分量。在 Minitab 中，选择统计 > 时间序列 > 偏自相关。

互相关

要通过绘制按时间排列的不同点处两个序列之间的相关性来确定能否通过一个序列预测另一个序列，请执行互相关分析。在 Minitab 中，选择统计 > 时间序列 > 互相关。

综合自回归移动平均 (ARIMA)

要将模型与自回归分量、差分分量和移动平均分量进行拟合，请执行 ARIMA。要拟合 ARIMA 模型，您必须了解您的序列的自相关和偏自相关结构。在 Minitab 中，选择统计 > 时间序列 > ARIMA。