B ) متوسط نماذج - moving -

معدل الانحدار الذاتي عمليات خطأ متوسط ​​الانتحار. عمليات تصحيح المتوسط ​​المتوسط ​​للخطأ يمكن تقدير أخطاء أرما والنماذج الأخرى التي تنطوي على تباطؤ في عبارات الخطأ باستخدام عبارات فيت والمحاكاة أو التنبؤ باستخدام عبارات سولف غالبا ما تستخدم نماذج أرما لعملية الخطأ للنماذج مع مخلفات أوتوكوريلاتد الماكرو أر يمكن استخدامها لتحديد نماذج مع عمليات خطأ الانحدار الذاتي يمكن استخدام ماكرو ما لتحديد نماذج مع التحركات متوسط ​​الخطأ خطأ. أخطاء أوتورغريسيف. أخطاء نموذج مع أول طلب خطأ الانحدار الذاتي، أر 1، لديه نموذج . في حين أن عملية خطأ أر 2 لها الشكل. وهكذا دواليك لعمليات أعلى ترتيب لاحظ أن s مستقلة وموزعة بشكل متطابق ولها قيمة متوقعة من 0. على سبيل المثال نموذج مع مكون أر 2 هو. وهكذا على سبيل المثال، يمكنك كتابة نموذج الانحدار الخطي بسيط مع ما 2 نقل المتوسط ​​أخطاء as. where MA1 و MA2 هي تتحرك متوسط ​​المعلمات. ملاحظة t يتم تعريف ريسيد Y تلقائيا بواسطة بروك موديل كما. ملاحظة أن ريسيد Y هو سالب. يجب استخدام الدالة زلاغ لنماذج ما لاقتطاع تكرارات التأخر هذا يضمن أن الأخطاء المتأخرة تبدأ من الصفر في مرحلة تأخر التأهل ولا نشر القيم المفقودة عندما تكون متغيرات فترة التأخير مفقودة، ويضمن أن أخطاء المستقبل هي صفر وليس مفقودة أثناء المحاكاة أو التنبؤ للحصول على تفاصيل حول وظائف التأخر، راجع القسم لاغ Logic. This النموذج المكتوب باستخدام ما الماكرو كما يلي. الاستمارة العامة ل أرما النماذج. العام أرما p، q العملية لديها النموذج التالي. يمكن أرما p، q نموذج يمكن تحديدها على النحو التالي. حيث أر i و ما j تمثل الانحدار الذاتي والمتحرك متوسط ​​المعلمات ل والتخلفات المختلفة يمكنك استخدام أي أسماء تريد لهذه المتغيرات، وهناك العديد من الطرق المماثلة التي يمكن أن تكون مكتوبة مواصفات. ويمكن أيضا أن تقدر العمليات أرما فيكتور مع بروك نموذج على سبيل المثال، عملية أر 1 متغيرين لأخطاء المتغيرين الداخليين Y1 و Y2 يمكن تحديدهما على النحو التالي. مشاكل التقارب مع نماذج أرما. يمكن أن يكون من الصعب تقدير نماذج أرما إذا لم تكن تقديرات المعلمة ضمن النطاق المناسب، تنمو المصطلحات المتبقية لنموذج المتوسط ​​المتحرك أسيوننتيالي يمكن أن تكون البقايا المحسوبة للملاحظات اللاحقة كبيرة جدا أو يمكن تجاوزها يمكن أن يحدث ذلك إما بسبب استخدام قيم بدء غير مناسبة أو لأن التكرارات قد ابتعدت عن القيم المعقولة. وينبغي استخدام كير في اختيار قيم البدء لمعلمات أرما قيم البدء 0 001 لأن المعلمات أرما تعمل عادة إذا كان النموذج يناسب البيانات بشكل جيد والمشكلة هي مكيفة جيدا لاحظ أن نموذج ما غالبا ما يمكن تقريبه من قبل نموذج أر عالية الترتيب، والعكس بالعكس وهذا يمكن أن يؤدي إلى ارتفاع الخطية المتداخلة في نماذج أرما مختلطة، والتي بدورها يمكن أن يسبب سوء تكييف خطيرة في الحسابات وعدم الاستقرار من تقديرات المعلمة. إذا كان لديك مشاكل التقارب في حين تقدير نموذج مع عمليات خطأ أرما، محاولة تقدير في الخطوات أولا، استخدم بيان فيت لتقدير فقط المعلمات الهيكلية مع المعلمات أرما التي عقدت إلى الصفر أو إلى تقديرات معقولة معقولة إذا كان متاحا بعد ذلك، استخدم بيان فيت أخرى لتقدير المعلمات أرما فقط ، باستخدام قيم المعلمات الهيكلية من المدى الأول نظرا لأن قيم المعلمات الهيكلية من المرجح أن تكون قريبة من تقديراتها النهائية، قد تتقارب تقديرات معلمات أرما الآن وأخيرا، استخدم بيان فيت آخر لإنتاج تقديرات متزامنة لجميع المعلمات منذ من المرجح أن تكون القيم الأولية للمعلمات قريبة جدا من تقديراتها النهائية المشتركة، ينبغي أن تتلاقى التقديرات بسرعة إذا كان النموذج مناسبا للبيانات. AR الشروط الأولية. يمكن وضع الفواصل الأولية لشروط الخطأ في نماذج أر p بطرق مختلفة طرق بدء التشغيل الانحداري خطأ خطأ بدعم من إجراءات ساس إتس هي التالية المربعات الصغرى المشروط أريما و موديل الإجراءات. المحدودية المربعات الصغرى أوتوريغ، أريما، وإجراءات نموذج. أقصى احتمال أوتوريغ، أريما، وإجراءات نموذج. يول ووكر أوتوريغ الإجراء فقط. هيلدريث لو، الذي يحذف أول ملاحظات p نموذج الإجراء فقط. انظر الفصل 8، و أوتوريغ الإجراء، للحصول على شرح ومناقشة الأسس الموضوعية لمختلف أساليب بدء التشغيل أر p. The كلس، أولس، مل، و هل يمكن إجراء عمليات تهيئة هل من قبل بروك موديل لأخطاء أر 1، يمكن أن تنتج هذه التهيئة كما هو مبين في الجدول 19 2 هذه الأساليب تعادل في عينات كبيرة. تابل 19 2 التهيئة التي يؤديها بروك موديل أر 1 الأخطاء. ويمكن أيضا التأخر الأولي من الأخطاء في نماذج ما q نمذجة بطرق مختلفة ويدعم نماذج بدء خطأ المتوسط ​​المتوسط ​​التالي و أريما و MODEL. Conconditional المربعات الصغرى. المحدودية المربعات الصغرى. الشرطية المربعات الصغرى طريقة تقدير الانتقال المتوسط ​​أخطاء الخطأ ليست الأمثل لأنه يتجاهل مشكلة بدء هذا يقلل من كفاءة التقديرات، على الرغم من أنها تبقى غير منحازة ويفترض أن المخلفات الأولية المتأخرة، التي تمتد قبل بدء البيانات، هي 0، قيمتها المتوقعة غير المشروطة وهذا يدخل فرقا بين هذه المخلفات وبقايا المربعات الصغرى المعممة للتحرك - متوسط ​​التباين، الذي، على عكس نموذج الانحدار الذاتي، يستمر من خلال مجموعة البيانات عادة هذا الاختلاف يتقارب بسرعة إلى 0، ولكن بالنسبة لعمليات المتوسط ​​المتحرك غير قابل للتحويل تقريبا التقارب بطيء جدا للحد من هذه المشكلة، يجب أن يكون لديك الكثير من البيانات، و ينبغي أن تكون تقديرات المعلمة المتوسط ​​المتحرك ضمن النطاق القابل للانعكاس. ويمكن تصحيح هذه المشكلة على حساب كتابة برنامج أكثر تعقيدا يمكن إنتاج تقديرات المربعات الصغرى غير المشروطة لعملية ما 1 من خلال تحديد النموذج على النحو التالي. متوسط ​​التحريك أخطاء يمكن أن يكون من الصعب تقدير يجب عليك النظر في استخدام أر تقريب لعملية المتوسط ​​المتحرك A موفي يمكن أن تكون عملية نانوغرام متوسط ​​عادة ما تقارب بشكل جيد من قبل عملية الانحدار الذاتي إذا لم يتم تمهيد البيانات أو ديفيرنسد. أر ماكرو. ساس الماكرو أر يولد بيانات البرمجة ل بروك نموذج لنماذج الانحدار الذاتي الماكرو أر هو جزء من ساس إتس البرمجيات ، وأي خيارات خاصة تحتاج إلى تعيين لاستخدام الماكرو يمكن تطبيق عملية الانحدار الذاتي على أخطاء المعادلة الهيكلية أو إلى سلسلة الذاتية أنفسهم. يمكن استخدام الماكرو أر لأنواع التالية من autoregression. unrestimited ناقلات auturgression. restimited ناقلات أوتريجرسيون. أونيفاريت أوتوريجرسيون. لعرض نموذج خطأ المعادلة كعملية الانحدار الذاتي، استخدم العبارة التالية بعد المعادلة. على سبيل المثال، لنفترض أن Y هي دالة خطية من X1 و X2 و أر 2 خطأ أنت ستكتب هذا على النحو التالي. يجب أن تأتي المكالمات إلى أر بعد كل المعادلات التي تنطبق عليها العملية. الاستدعاء الكلي السابق، أر y، 2، ينتج العبارات المبينة في L خرج إست في الشكل 19 58. الشكل 19 58 ليست مخرجات الخيار لنموذج أر 2. نموذج موديل. متغيرات بريد مسبوقة هي متغيرات برنامج مؤقتة تستخدم بحيث تكون متباينات البقايا هي المخلفات الصحيحة وليس تلك المعاد تعريفها بواسطة هذا المعادلة لاحظ أن هذا يعادل البيانات المكتوبة بشكل صريح في المقطع النموذج العام لنماذج أرما. يمكنك أيضا تقييد معلمات الانحدار الذاتي إلى صفر عند التأخر المحدد على سبيل المثال، إذا أردت معلمات الانحدار الذاتي في الفترات 1 و 12 و 13، يمكن استخدام العبارات التالية. هذه البيانات تولد الإخراج هو مبين في الشكل 19 59.Figure 19 59 ليست الإخراج الخيار لنموذج أر مع تأخر في 1 و 12 و 13. هناك اختلافات على طريقة المربعات الصغرى الشرطية، اعتمادا على ما إذا كان وتستخدم الملاحظات في بداية سلسلة لتسخين عملية أر افتراضيا، يستخدم طريقة مربعات أقل مشروطة أر جميع الملاحظات ويفترض الأصفار للتخلف الأولي من شروط الانحدار الذاتي B y باستخدام الخيار M، يمكنك طلب أن أر استخدام المربعات الصغرى غير المشروطة أولس أو الحد الأقصى احتمال طريقة مل بدلا من ذلك على سبيل المثال. يتم توفير مناقشة هذه الأساليب في القسم أر الشروط الأولية. باستخدام الخيار M كلس ن، يمكنك طلب استخدام أول ملاحظات N لحساب تقديرات التأخر الذاتي الانحدار الأولي في هذه الحالة، يبدأ التحليل بالملاحظة n 1 على سبيل المثال. يمكنك استخدام الماكرو أر لتطبيق نموذج الانحدار الذاتي إلى المتغير الداخلي، بدلا من من خلال استخدام الخيار تايب V على سبيل المثال، إذا كنت ترغب في إضافة الفواصل الماضية الخمسة من Y إلى المعادلة في المثال السابق، يمكنك استخدام أر لإنشاء المعلمات والتخلف باستخدام العبارات التالية. البيانات السابقة توليد الناتج المبين في الشكل 19 60. الشكل 19 60 ليست مخرجات الخيار لنموذج أر من Y. ويتوقع هذا النموذج Y كمزيج خطي من X1 و X2 واعتراض وقيم Y في أحدث خمس فترات. Unrestri كتد فيكتور أوتورغريسيون. لرسم نماذج الخطأ لمجموعة من المعادلات كعملية متجه الانحدار الذاتي، استخدم النموذج التالي من ماكرو أر بعد المعادلات. قيمة اسم العملية هي أي اسم تقوم بتوريده أر لاستخدامه في صنع أسماء ل معلمات الانحدار الذاتي يمكنك استخدام ماكرو أر لنموذج عدة عمليات أر مختلفة لمجموعات مختلفة من المعادلات باستخدام أسماء عمليات مختلفة لكل مجموعة اسم العملية يضمن أن أسماء المتغيرات المستخدمة هي فريدة من نوعها استخدام قيمة اسم عملية قصيرة للعملية إذا كانت تقديرات المعلمات هي ليتم كتابتها إلى مجموعة بيانات الإخراج يحاول الماكرو أر إنشاء أسماء معلمات أقل من أو يساوي ثمانية أحرف، ولكن هذا يقتصر على طول اسم العملية الذي يستخدم كبادئة لأسماء معلمة أر. قيمة فاريابلست هي قائمة المتغيرات الذاتية للمعادلات. على سبيل المثال، لنفترض أن الأخطاء للمعادلات Y1، Y2، و Y3 يتم إنشاؤها بواسطة عملية الناقلات الانحدار الذاتي من الدرجة الثانية يمكنك يو سي التي تولد ما يلي ل Y1 و التعليمات البرمجية مماثلة ل Y2 و Y3.Only المربعات الصغرى الشرطية M كلس أو M كلس ن طريقة يمكن استخدامها لعمليات المتجهات. يمكنك أيضا استخدام نفس النموذج مع القيود أن معامل تكون المصفوفة 0 عند تخلفات مختارة على سبيل المثال، تنطبق العبارات التالية عملية متجه من الدرجة الثالثة على أخطاء المعادلة مع جميع المعاملات عند التأخر 2 المقيدة إلى 0 ومع المعاملات عند التأخيرات 1 و 3 غير المقيدة. يمكنك نمذجة السلسلة الثلاث Y1 Y3 كمتجه الانحدار الذاتي المتجه في المتغيرات بدلا من الأخطاء باستخدام الخيار تايب V إذا كنت ترغب في نموذج Y1 Y3 كدالة للقيم الماضية Y1 Y3 وبعض المتغيرات الخارجية أو الثوابت، يمكنك استخدام أر لتوليد البيانات الخاصة بعبارات التأخر كتابة معادلة لكل متغير للجزء غير النشط من النموذج ثم قم باستدعاء أر مع الخيار تايب V على سبيل المثال. يمكن أن يكون الجزء غير التخطيطي للنموذج دالة خارجية المتغيرات، أو يمكن أن تكون معلمات اعتراض إذا لم يكن هناك مكونات خارجية لنموذج الانحدار الذاتي المتجه، بما في ذلك أي اعتراضات، ثم تعيين صفر لكل من المتغيرات يجب أن يكون هناك تخصيص لكل من المتغيرات قبل أن يسمى أر. هذا النموذج نماذج المتجه Y Y1 Y2 Y3 كدالة خطية فقط من قيمته في الفترتين السابقتين وناقلات خطأ ضوضاء بيضاء النموذج يحتوي على 18 3 3 3 3 معلمات. سينتاكس من ماكرو أر. هناك حالتان من بناء الجملة أر ماكرو عندما لا تكون هناك حاجة إلى قيود على عملية أر المتجهات، وبناء الجملة ماكرو أر لديه الشكل العام. حدد البادئة ل أر لاستخدامها في بناء أسماء المتغيرات اللازمة لتحديد عملية أر إذا لم يتم تحديد إندوليست، القائمة الذاتية الافتراضية الاسم الذي يجب أن يكون اسم المعادلة التي يتم تطبيق عملية خطأ أر لا يمكن أن تتجاوز قيمة الاسم 32 حرفا. ترتيب عملية أر. تحديد قائمة المعادلات التي عملية أر إذا تم إعطاء أكثر من اسم واحد، يتم إنشاء عملية متجه غير مقيد مع المخلفات الهيكلية من جميع المعادلات المدرجة على النحو المسترجعات في كل من المعادلات إذا لم يحدد، الافتراضيات إندوليست ل name. يحدد قائمة التأخيرات التي يتم إضافة مصطلحات المصطلحات أر إلى معاملات معاملات التأخر غير المدرجة على 0 يجب أن تكون جميع الفواصل المدرجة أقل من أو تساوي نلاغ ويجب ألا تكون هناك تكرارات إذا لم يتم تحديدها، من خلال nlag. speces طريقة التقدير لتنفيذ القيم الصالحة لل M هي كلس مشروطة تقديرات المربعات الصغرى، أولس تقديرات المربعات الصغرى غير المشروطة، ومل تقديرات احتمال أقصى M M كلس هو الافتراضي الوحيد يسمح كلس M عندما يتم تحديد أكثر من معادلة أولس ولا يتم دعم أساليب مل لنماذج أر ناقلات من قبل AR. يحدد أن عملية أر أن يتم تطبيقها على المتغيرات الذاتية نفسها بدلا من المخلفات الهيكلية للمعادلات. يمكن أن تتحكم في المعلمات التي يتم تضمينها في العملية، وتقييد إلى 0 تلك المعلمات التي لا تشمل أولا، استخدم أر مع الخيار دفر لإعلان قائمة المتغيرات وتحديد البعد من العملية ثم استخدام أر إضافية يدعو إلى توليد مصطلحات لمعادلات مختارة مع متغيرات مختارة في تأخر المحدد على سبيل المثال. معادلات الخطأ المنتجة هي على النحو التالي. هذا النموذج يشير إلى أن أخطاء Y1 تعتمد على أخطاء Y1 و Y2 ولكن ليس Y3 في كل من التأخر 1 و 2 ، وأن الأخطاء ل Y2 و Y3 تعتمد على الأخطاء السابقة لجميع المتغيرات الثلاثة، ولكن فقط في تأخر 1. أر بنية ماكرو للمتجهات المقيدة AR. An يسمح الاستخدام البديل من أر فرض قيود على عملية أر ناقلات عن طريق الاتصال أر عدة مرات لتحديد مصطلحات أر مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لديها شكل عام. حدد البادئة ل أر لاستخدامها في بناء أسماء المتغيرات اللازمة لتحديد متجه أر بروك إس. يحدد ترتيب عملية AR. يحدد قائمة المعادلات التي يتم تطبيق عملية أر. يحدد أن أر ليس لإنشاء عملية أر ولكن الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق يدعو أر لنفس الاسم. والمكالمات اللاحقة لها الشكل العام. هذا هو نفسه كما في المكالمة الأولى. حدد قائمة المعادلات التي يتم تطبيق المواصفات في هذه النداء أر فقط الأسماء المحددة في قيمة إندوليست للمكالمة الأولى ل يمكن أن تظهر قيمة الاسم في قائمة المعادلات في eqlist. specives قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في إكليست الأسماء فقط في إندوليست المكالمة الأولى لقيمة الاسم يمكن أن تظهر في فارليست إف غير محدد، افتراضات فارليست إلى إندوليست. يحدد قائمة التأخيرات التي ستضاف إليها مصطلحات أر حيث يتم تعيين معاملات المصطلحات عند التأخرات غير المدرجة على 0 يجب أن تكون جميع الفواصل المدرجة أقل من أو تساوي القيمة إي من نلاغ ويجب أن يكون هناك لا التكرارات إذا لم يتم تحديدها، لاغليست الافتراضية لجميع يتخلف 1 من خلال nlag. The ماك ماكرو. ساس ماكرو ماك يولد بيانات البرمجة ل بروك نموذج لنماذج المتوسط ​​المتحرك ماكرو ماك هو جزء من ساس إتس البرمجيات ، وليس هناك حاجة إلى خيارات خاصة لاستخدام الماكرو يمكن تطبيق عملية الخطأ المتوسط ​​المتوسط ​​على أخطاء المعادلة الهيكلية بناء جملة ماكرو ما هو نفس الماكرو أر باستثناء عدم وجود وسيطة تايب. عندما تستخدم ما و ماكرو أر مجتمعة، ماكرو ما يجب أن تتبع ماكرو أر التالية ساس إمل البيانات تنتج عملية خطأ أرما 1، 1 3 وحفظه في مجموعة البيانات مادات 2. وتستخدم البيانات بروك نموذج التالية لتقدير المعلمات من هذا نموذج باستخدام أقصى قدر من احتمال بنية الخطأ. وتظهر تقديرات المعلمات التي ينتجها هذا المدى في الشكل 19 61.Figure 19 61 تقديرات من أرما 1، 1 3 عملية. هناك حالتان من بناء الجملة ل ماكرو ما عندما القيود على أف ليس هناك حاجة إلى عملية إكتور ما، وبناء الجملة ماكرو لديه الشكل العام. حدد البادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتحديد عملية ما وهو endolist. is الافتراضي ترتيب عملية ما. يحدد المعادلات التي يتم تطبيقها على عملية ما إذا تم إعطاء أكثر من اسم واحد، يتم استخدام تقدير كلس لعملية المتجه. يحدد الفواصل الزمنية التي يتم فيها إضافة مصطلحات ما يجب أن تكون جميع الفواصل المدرجة أقل من أو يساوي نلاغ ويجب ألا يكون هناك نواتج مكررة إذا لم يتم تحديدها، فإن القيم الافتراضية لاغليست لجميع الفترات من 1 إلى nlag. يحدد طريقة التقدير لتنفيذ القيم الصالحة لل M هي كلس مشروطة تقديرات المربعات الصغرى، أولس غير المشروطة تقديرات المربعات الصغرى، والحد الأقصى مل تقديرات احتمال M كلس هو الافتراضي الوحيد يسمح كلس M عندما يتم تحديد أكثر من معادلة واحدة في إندوليست. ما ماكرو بناء الجملة للناقلات المقيدة تتحرك - Average. An استخدام بديل من ما يسمح لفرض قيود على عملية ما ناقلات عن طريق استدعاء ما عدة مرات لتحديد شروط ما مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لديها form. specives عامة بادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتعريف متجه ما process. يحدد ترتيب عملية ما. حدد قائمة المعادلات التي يتم تطبيق عملية ما. ويحدد أن ما ليس لتوليد عملية ما ولكن هو الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق ما يدعو لنفس القيمة اسم. المكالمات اللاحقة لها form. is العام نفسه كما في الدعوة الأولى. حدد قائمة المعادلات التي المواصفات في هذه الدعوة ما يتم تطبيقها. تحدد قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات الموجودة في eqlist. يحدد قائمة التأخيرات التي ستضاف إليها مصطلحات ما. و كخطوة أولى في التحرك خارج النماذج المتوسطة، نماذج المشي العشوائي، ونماذج الاتجاه الخطي، الأنماط والاتجاهات غير التقليدية يمكن استقراءها باستخدام نموذج التحرك المتوسط ​​أو التمهيد الافتراض الأساسي وراء المتوسطات ونماذج التمهيد هو أن سلسلة زمنية ثابتة محليا بمتوسط ​​متغير ببطء وبالتالي فإننا نأخذ متوسطا محليا متحركا لتقدير القيمة الحالية للمتوسط ​​ومن ثم استخدامها كالتوقعات في المستقبل القريب ويمكن اعتبار هذا بمثابة حل وسط بين النموذج المتوسط ​​و نموذج المشي العشوائي دون الانجراف ويمكن استخدام نفس الاستراتيجية لتقدير واستقراء الاتجاه المحلي وعادة ما يطلق على المتوسط ​​المتحرك نسخة ممسحة من السلسلة الأصلية لأن المتوسط ​​على المدى القصير له تأثير على التخلص من المطبات في السلسلة الأصلية من خلال ضبط درجة تمهيد عرض المتوسط ​​المتحرك، يمكننا أن نأمل في ضرب نوع من التوازن الأمثل بين أداء المتوسط ​​والمشي العشوائي نماذج أبسط نوع من نموذج المتوسط ​​هو. Simple المتوسط ​​المتحرك المرجح على قدم المساواة. توقعات قيمة Y في الوقت t 1 التي تتم في وقت t يساوي المتوسط ​​البسيط من الملاحظات م الأخيرة. هنا وفي أماكن أخرى سأستخدم الرمز Y-هات للوقوف على توقعات للسلسلة الزمنية Y التي تم إجراؤها في أقرب وقت ممكن من قبل نموذج معين ويتركز هذا المتوسط ​​في الفترة t 1 1، مما يعني أن تقدير فإن المتوسط ​​المحلي سيميل إلى التخلف عن القيمة الحقيقية للمتوسط ​​المحلي بحوالي m 2 2 وبالتالي فإننا نقول أن متوسط ​​عمر البيانات في المتوسط ​​المتحرك البسيط هو m 1 2 بالنسبة إلى الفترة التي يتم فيها حساب التنبؤ هذا هو مقدار الوقت الذي من شأنه أن التنبؤات تميل إلى تخلف نقاط تحول في البيانات على سبيل المثال، إذا كنت متوسط ​​القيم 5 الماضية، فإن التوقعات ستكون حوالي 3 فترات في وقت متأخر من الاستجابة لنقاط تحول لاحظ أنه إذا م 1، متوسط ​​نموذج المتوسط ​​المتحرك المتوسط ​​البسيط يساوي نموذج المشي العشوائي بدون نمو إذا كانت m كبيرة جدا مقارنة بطول فترة التقدير، فإن نموذج سما يعادل النموذج المتوسط ​​كما هو الحال مع أي معلمة لنموذج التنبؤ، لضبط قيمة كي n للحصول على أفضل ملاءمة للبيانات، أي أصغر أخطاء التنبؤ في المتوسط. هنا هو مثال لسلسلة التي يبدو أن تظهر تقلبات عشوائية حول متوسط ​​ببطء متغير أولا، دعونا نحاول لتناسب ذلك مع المشي العشوائي نموذج، وهو ما يعادل متوسط ​​متحرك بسيط من 1 term. The نموذج المشي العشوائي يستجيب بسرعة كبيرة للتغيرات في هذه السلسلة، ولكن في ذلك يفعل ذلك يختار الكثير من الضوضاء في البيانات تقلبات عشوائية، فضلا عن إشارة المحلية يعني إذا حاولنا بدلا من ذلك متوسط ​​متحرك بسيط من 5 مصطلحات، نحصل على مجموعة أكثر سلاسة من التوقعات. المتوسط ​​المتحرك البسيط لمدة 5 سنوات ينتج أخطاء أقل بكثير من نموذج المشي العشوائي في هذه الحالة متوسط ​​عمر البيانات في هذا التنبؤ هو 3 5 1 2، بحيث يميل إلى التخلف عن نقاط التحول بنحو ثلاث فترات على سبيل المثال، يبدو أن الانكماش قد حدث في الفترة 21، ولكن التنبؤات لا تتحول حتى عدة فترات في وقت لاحق. لاحظ أن المدى الطويل، والتنبؤات طويلة الأجل من وزارة الدفاع سما إل هي خط أفقي مستقيم، تماما كما في نموذج المشي العشوائي وهكذا، يفترض نموذج سما أنه لا يوجد اتجاه في البيانات ومع ذلك، في حين أن التوقعات من نموذج المشي العشوائي هي ببساطة مساوية لقيمة الملاحظة الأخيرة، والتنبؤات من فإن نموذج سما يساوي المتوسط ​​المرجح للقيم الأخيرة. حدود الثقة التي تحسبها ستاتغرافيكس للتنبؤات طويلة الأجل للمتوسط ​​المتحرك البسيط لا تتسع مع زيادة أفق التنبؤ هذا من الواضح أنه ليس صحيحا للأسف، النظرية الإحصائية التي تخبرنا كيف يجب أن تتسع فترات الثقة لهذا النموذج ومع ذلك، ليس من الصعب جدا حساب التقديرات التجريبية لحدود الثقة لتوقعات الأفق الأطول على سبيل المثال، يمكنك إعداد جدول بيانات فيه نموذج سما سوف تستخدم للتنبؤ بخطوتين إلى الأمام و 3 خطوات إلى الأمام وما إلى ذلك ضمن عينة البيانات التاريخية. يمكنك بعد ذلك حساب الانحرافات المعيارية للعينة في كل توقعات h أوريزون، ومن ثم بناء فترات الثقة للتنبؤات الأطول أجلا عن طريق جمع وطرح مضاعفات الانحراف المعياري المناسب. إذا حاولنا متوسط ​​متحرك بسيط لمدة 9 سنوات، نحصل على توقعات أكثر سلاسة وأكثر تأثيرا متخلفا. الآن 5 فترات 9 1 2 إذا أخذنا متوسط ​​متحرك لمدة 19 عاما، فإن متوسط ​​العمر يزداد إلى 10.لاحظ أن التوقعات في الواقع تتخلف الآن عن نقاط التحول بنحو 10 فترات. كما أن كمية التجانس هي الأفضل لهذه السلسلة في ما يلي جدول يقارن إحصاءات الخطأ الخاصة بهم، بما في ذلك أيضا متوسط ​​3 فترات. نموذج C، المتوسط ​​المتحرك لمدة 5 سنوات، ينتج أدنى قيمة ل رمز بهامش صغير على متوسطات المدى 3 و 9، إحصائياتهم الأخرى متطابقة تقريبا لذلك، من بين نماذج مع إحصاءات الخطأ مشابهة جدا، يمكننا أن نختار ما إذا كنا نفضل أكثر قليلا من الاستجابة أو أكثر قليلا نعومة في التوقعات العودة إلى أعلى الصفحة. الألوان s الأسي بسيط تمهيد أضعافا مضاعفة أضعافا مضاعفة متوسط ​​المتوسط ​​المتحرك البسيط الموضح أعلاه يحتوي على الخاصية غير المرغوب فيها التي يتعامل معها ملاحظات k الأخيرة بالتساوي وبشكل كامل يتجاهل جميع الملاحظات السابقة بشكل حدسي، يجب أن يتم خصم البيانات السابقة بطريقة أكثر تدرجية - على سبيل المثال، والحصول على أكثر من ذلك بقليل من الوزن الثاني من أحدث، والثاني الأكثر حداثة يجب الحصول على وزن أكثر قليلا من 3 أحدث، وهلم جرا بسيطة الأسي تمهيد نموذج سيس ينجز هذا. لاحظ يدل على ثابت تمهيد عدد بين 0 و 1 طريقة واحدة لكتابة النموذج هو تحديد سلسلة L التي تمثل المستوى الحالي أي القيمة المتوسطة المحلية للسلسلة كما يقدر من البيانات حتى الوقت الحاضر يتم حساب قيمة L في الوقت t بشكل متكرر من قيمته السابقة مثل هذا. وهكذا، فإن القيمة الملساء الحالية هي الاستكمال الداخلي بين القيمة الملساء السابقة والمراقبة الحالية، حيث تسيطر على القرب من قيمة محرف إلى أكثر إعادة سينت المراقبة التوقعات للفترة القادمة هي ببساطة قيمة ممهدة الحالية. على العكس من ذلك، يمكننا التعبير عن التوقعات القادمة مباشرة من حيث التوقعات السابقة والملاحظات السابقة، في أي من الإصدارات المكافئة التالية في النسخة الأولى، والتنبؤ هو الاستيفاء بين التوقعات السابقة والملاحظة السابقة. في النسخة الثانية، يتم الحصول على التوقعات القادمة عن طريق ضبط التوقعات السابقة في اتجاه الخطأ السابق عن طريق كمية كسور. is الخطأ المحرز في الوقت t في النسخة الثالثة، والتنبؤ هو أي المتوسط ​​المتحرك المخصوم مع معامل الخصم 1. إن نسخة الاستكمال الداخلي لصيغة التنبؤ هي أبسط الاستخدامات إذا كنت تنفذ النموذج على جدول بيانات يناسبه في خلية واحدة ويحتوي على مراجع خلية تشير إلى التنبؤ السابق، الملاحظة، والخلية حيث يتم تخزين قيمة. ملاحظة أنه إذا كان 1، نموذج سيس ما يعادل نموذج المشي سيرا على الأقدام عشوائي نمو هوت إذا كان نموذج سيس يساوي النموذج المتوسط، على افتراض أن القيمة الملساء الأولى تم تعيينها مساوية لمتوسط ​​العائد إلى أعلى الصفحة. متوسط ​​عمر البيانات في التنبؤات الأسية البسيطة - تمهيد هو 1 النسبية إلى الفترة التي يتم حساب التنبؤ بها ليس من المفترض أن تكون واضحة، ولكن يمكن بسهولة أن تظهر من خلال تقييم سلسلة لانهائية وبالتالي، فإن متوسط ​​التوقعات المتحركة البسيطة يميل إلى التخلف عن نقاط التحول بنحو 1 فترات على سبيل المثال، عند 0 5 الفاصل الزمني هو فترتين عندما يكون 0 2 الفارق الزمني 5 فترات عندما يكون 0 1 الفارق الزمني 10 فواصل وهكذا بالنسبة لعمر متوسط ​​معين أي مقدار الفارق الزمني فإن التنبؤ الأسي البسيط للتلطيف سيس متفوق إلى حد ما على التحرك البسيط متوسط ​​توقعات سما لأنه يضع وزنا أكبر نسبيا على الملاحظة الأخيرة - فهو أكثر استجابة قليلا للتغيرات التي تحدث في الماضي القريب على سبيل المثال، نموذج سما مع 9 شروط ونموذج سيس مع 0 2 على حد سواء لديها متوسط ​​العمر من 5 ل دا تا في توقعاتها، ولكن نموذج سيس يضع وزنا أكبر على القيم 3 الماضية مما يفعل نموذج سما، وفي الوقت نفسه فإنه لا ننسى تماما القيم أكثر من 9 فترات القديمة، كما هو مبين في هذا الرسم البياني. أية ميزة أخرى من فإن نموذج سيس على نموذج سما هو أن نموذج سيس يستخدم معلمة تمهيد تتغير باستمرار بحيث يمكن تحسينها بسهولة باستخدام خوارزمية حلالا لتقليل متوسط ​​الخطأ الوسطي وتبين القيمة المثلى لنموذج سيس لهذه السلسلة أن يكون 0 2961، كما هو مبين هنا. متوسط ​​عمر البيانات في هذه التوقعات هو 1 0 2961 3 4 فترات، وهو مماثل للمتوسط ​​المتحرك البسيط لمدة 6. التوقعات على المدى الطويل من نموذج سيس هي خط مستقيم أفقي كما هو الحال في نموذج سما ونموذج المشي العشوائي دون نمو ومع ذلك، لاحظ أن فترات الثقة التي يحسبها ستاتغرافيكس الآن تتباعد بطريقة معقولة المظهر، وأنها هي أضيق بكثير من فترات الثقة للراند أوم نموذج المشي يفترض أن سلسلة يمكن التنبؤ بها إلى حد ما أكثر من نموذج المشي العشوائي. نموذج سيس هو في الواقع حالة خاصة من نموذج أريما حتى نظرية إحصائية نماذج أريما يوفر أساسا سليما لحساب فترات الثقة ل نموذج سيس على وجه الخصوص، نموذج سيس هو نموذج أريما مع اختلاف واحد غير منطقي، وهو مصطلح 1 ما، وليس هناك مصطلح ثابت يعرف باسم أريما 0،1،1 نموذج دون ثابت معامل ما 1 في نموذج أريما يتوافق مع الكمية 1 في نموذج سيس على سبيل المثال، إذا كنت تناسب أريما 0،1،1 نموذج دون ثابت لسلسلة تحليلها هنا، فإن معامل ما 1 المقدرة تبين أن 0 7029، وهو تقريبا تقريبا واحد ناقص 0 2961. ومن الممكن إضافة افتراض اتجاه خطي ثابت غير صفري إلى نموذج سيس للقيام بذلك، ما عليك سوى تحديد نموذج أريما بفروق نونزاسونال واحدة ومدة ما 1 مع ثابت، أي نموذج أريما 0،1،1 مع ثابت سوف التوقعات على المدى الطويل ثم يكون الاتجاه الذي يساوي الاتجاه المتوسط ​​لوحظ على مدى فترة التقدير بأكملها لا يمكنك القيام بذلك جنبا إلى جنب مع التعديل الموسمية، لأن خيارات التعديل الموسمية يتم تعطيل عندما يتم تعيين نوع النموذج إلى أريما ومع ذلك، يمكنك إضافة ثابت طويلة إلى نموذج بسيط للتجانس الأسي مع أو بدون تعديل موسمية باستخدام خيار تعديل التضخم في إجراء التنبؤ يمكن تقدير معدل النمو المناسب لنسبة التضخم في كل فترة على أنه معامل الانحدار في نموذج اتجاه خطي مجهز بالبيانات في جنبا إلى جنب مع التحول اللوغاريتم الطبيعي، أو أنه يمكن أن تستند إلى معلومات أخرى مستقلة بشأن آفاق النمو على المدى الطويل العودة إلى أعلى الصفحة. الخطية s الخطي أي ضعف الأسي تمهيد. نماذج سما ونماذج سيس تفترض أنه لا يوجد أي اتجاه من أي نوع في البيانات التي عادة ما تكون موافق أو على الأقل ليست سيئة جدا ل 1-خطوة قبل التوقعات عندما تكون البيانات نوي نسبيا ويمكن تعديلها لدمج اتجاه خطي ثابت كما هو مبين أعلاه ماذا عن الاتجاهات قصيرة الأجل إذا كانت سلسلة يعرض معدل نمو متفاوت أو نمط دوري الذي يبرز بوضوح ضد الضوضاء، وإذا كان هناك حاجة إلى وتوقع أكثر من 1 فترة المقبلة، ثم تقدير الاتجاه المحلي قد يكون أيضا قضية ويمكن تعميم نموذج التمهيد الأسي بسيط للحصول على خطية الأسية تمهيد نموذج ليس الذي يحسب التقديرات المحلية من كل من المستوى والاتجاه. أبسط الاتجاه متغيرة الوقت النموذج هو نموذج تمهيد الأسي الخطي براون، والذي يستخدم اثنين من سلسلة سلسة مختلفة التي تتمحور في نقاط مختلفة في الوقت المحدد ويستند صيغة التنبؤ على استقراء خط من خلال المركزين وهناك نسخة أكثر تطورا من هذا النموذج، هولت s، هو نوقشت أدناه. يمكن التعبير عن شكل جبري من براون s الخطي الأسي تمهيد نموذج، مثل ذلك من نموذج تمهيد الأسي بسيط، في عدد من مختلف ولكن ه الأشكال المتكافئة عادة ما يعبر عن الشكل القياسي لهذا النموذج على النحو التالي تدل S تدل على سلسلة سلسة منفردة التي تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط لسلسلة Y وهذا هو، وتعطى قيمة S في الفترة t من قبل. أذكر أنه في ظل تمهيد الأسي بسيط، وهذا سيكون التنبؤ ل Y في الفترة ر 1 ثم اسمحوا S تدل على سلسلة سلسة تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط باستخدام نفسه لسلسلة S. Finally، والتوقعات ل يك تك لأي k 1. ويعطي هذا العائد e 1 0 أي غش قليلا، والسماح للتنبؤ الأول يساوي الملاحظة الأولى الفعلية، و e 2 Y 2 Y 1 وبعد ذلك يتم توليد التنبؤات باستعمال المعادلة أعلاه ينتج هذا القيم المجهزة نفسها كما الصيغة التي تستند إلى S و S إذا تم بدء هذه الأخيرة باستخدام S 1 S 1 Y 1 يستخدم هذا الإصدار من النموذج في الصفحة التالية التي توضح مجموعة من التجانس الأسي مع التعديل الموسمي. الخطي S الخطي الأسي Smoothing. Brown s يحسب التقديرات المحلية من المستوى والاتجاه من خلال تمهيد البيانات الأخيرة، ولكن حقيقة أن يفعل ذلك مع معلمة تمهيد واحد يضع قيدا على أنماط البيانات التي هي قادرة على تناسب المستوى والاتجاه لا يسمح لها أن تختلف في معدلات مستقلة هولت s ليس نموذج يتناول هذه المسألة من خلال تضمين اثنين من ثوابت تمهيد، واحدة لمستوى واحد للاتجاه في أي وقت t، كما هو الحال في نموذج براون s، وهناك تقدير L ر من المستوى المحلي وتقدير T t للاتجاه المحلى هنا يتم حسابها بشكل متكرر من قيمة Y الملاحظة فى الوقت t والتقديرات السابقة لمستوى واتجاه المعادلتين اللتين تنطبقان على تمهيد أسي لها بشكل منفصل. إذا كان المستوى المقدر والاتجاه في الوقت t-1 هما T t 1 و T t-1 على التوالي، فإن التنبؤات Y t التي كان من الممكن أن تكون قد أجريت في الوقت t-1 تساوي L t-1 T t-1 عندما يلاحظ القيمة الفعلية، يتم حساب المستوى بشكل متكرر عن طريق الاستكمال الداخلي بين Y t والتنبؤ به L t-1 T t-1 باستخدام الأوزان و 1. ويمكن تفسير التغير في المستوى المقدر وهو L t L 1 على أنه قياس صاخب ل الاتجاه في الوقت t يتم حساب التقدير المحدث للاتجاه بشكل متكرر عن طريق الاستكمال الداخلي بين L t L t 1 والتقدير السابق للاتجاه T t-1 باستخدام أوزان و 1. إن تفسير ثابت تجانس الاتجاه يشبه ثابت ثابت التمهيد. النماذج ذات القيم الصغيرة تفترض تغير الاتجاه فقط ببطء شديد مع مرور الوقت، في حين أن النماذج ذات الحجم الأكبر تفترض أنها تتغير بسرعة أكبر ويعتقد نموذج مع كبير أن المستقبل البعيد غير مؤكد جدا، لأن الأخطاء في تقدير الاتجاه تصبح مهمة جدا عند التنبؤ أكثر من فترة واحدة قبل العودة إلى أعلى من ثوابت التجانس ويمكن تقديرها بالطريقة المعتادة من خلال تقليل متوسط ​​الخطأ المئوي للتنبؤات ذات الخطوة الأولى عندما يتم ذلك في ستاتغرافيكس، تشير التقديرات إلى أن 03048 و 0 008 القيمة الصغيرة جدا يعني أن النموذج يفترض تغير طفيف جدا في الاتجاه من فترة إلى أخرى، وذلك أساسا هذا النموذج هو محاولة لتقدير الاتجاه على المدى الطويل قياسا على فكرة متوسط ​​عمر البيانات المستخدمة في تقدير t هو المستوى المحلي للسلسلة، متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي يتناسب مع 1، وإن لم يكن يساوي بالضبط في هذه الحالة التي تبين أن يكون 1 0 006 125 هذا هو إس عدد دقيق جدا حيث أن دقة تقدير إيسن t حقا 3 المنازل العشرية، ولكن من نفس الترتيب العام من حجم حجم العينة من 100، لذلك هذا النموذج هو المتوسط ​​على مدى الكثير جدا من التاريخ في تقدير الاتجاه مؤامرة التوقعات ويبين الشكل أدناه أن نموذج ليس يقدر اتجاها محليا أكبر قليلا في نهاية السلسلة من الاتجاه الثابت المقدر في نموذج الاتجاه سيس، كما أن القيمة المقدرة تكاد تكون مطابقة للاتجاه الذي يتم الحصول عليه عن طريق تركيب نموذج سيس مع الاتجاه أو بدونه ، لذلك هذا هو تقريبا نفس النموذج. الآن، هل هذه تبدو وكأنها توقعات معقولة لنموذج من المفترض أن يكون تقدير الاتجاه المحلي إذا كنت مقلة العين هذه المؤامرة، يبدو كما لو أن الاتجاه المحلي قد تحول إلى أسفل في نهاية سلسلة و في حدث وقد تم تقدير المعلمات من هذا النموذج عن طريق تقليل الخطأ التربيعي من 1-خطوة إلى الأمام التنبؤات، وليس التنبؤات على المدى الطويل، وفي هذه الحالة الاتجاه لا تجعل الكثير من الفرق إذا كان كل ما كنت تبحث في 1 - step قبل الأخطاء، كنت لا ترى الصورة الأكبر من الاتجاهات على القول 10 أو 20 فترات من أجل الحصول على هذا النموذج أكثر في تناغم مع استقراء العين مقلة العين من البيانات، يمكننا ضبط ثابت الاتجاه تجانس يدويا بحيث يستخدم خط أساس أقصر لتقدير الاتجاه على سبيل المثال، إذا اخترنا تعيين 0 1، فإن متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي هو 10 فترات، مما يعني أننا نحسب متوسط ​​الاتجاه خلال الفترات العشرين الأخيرة أو نحو ذلك هنا s ما يبدو مؤامرة توقعات إذا وضعنا 0 1 مع الحفاظ على 0 3 وهذا يبدو بديهية معقولة لهذه السلسلة، على الرغم من أنه من المحتمل أن خطورة لاستقراء هذا الاتجاه أي أكثر من 10 فترات في المستقبل. ماذا عن إرور ستاتس هنا مقارنة نموذجية f أو النموذجين المبينين أعلاه فضلا عن ثلاثة نماذج سيس تبلغ القيمة المثلى لنموذج سيس حوالي 0 3، ولكن يتم الحصول على نتائج مماثلة مع استجابة أكثر قليلا أو أقل على التوالي مع 0 5 و 0 2. A هولت إكس خطي تجانس مع ألفا 0 3048 وبيتا 0 008. B هولت خ الخطية تجانس مع ألفا 0 3 وبيتا 0 1. C تمهيد الأسي بسيطة مع ألفا 0 5. D تمهيد الأسي بسيط مع ألفا 0 3. E تمهيد الأسي بسيط مع ألفا 0 2 . احصائيات هي متطابقة تقريبا، لذلك نحن حقا يمكن أن تجعل ر الاختيار على أساس 1-خطوة قبل توقعات الأخطاء داخل عينة البيانات علينا أن نراجع مرة أخرى على اعتبارات أخرى إذا كنا نعتقد بقوة أنه من المنطقي أن قاعدة الحالية تقدير الاتجاه على ما حدث على مدى ال 20 فترة الماضية أو نحو ذلك، يمكننا أن نجعل حالة لنموذج ليس مع 0 3 و 0 1 إذا أردنا أن نكون ملحدين حول ما إذا كان هناك اتجاه محلي، ثم واحدة من نماذج سيس قد يكون من الأسهل أن يفسر، وسوف يعطي أيضا المزيد من ميدل التنبؤات على الطريق على مدى 5 أو 10 فترات القادمة العودة إلى أعلى الصفحة. أي نوع من الاستقراء الاتجاه هو أفضل الأفقي أو الخطي تشير الأدلة التجريبية أنه إذا كانت البيانات قد تم تعديلها إذا لزم الأمر للتضخم، ثم قد يكون من غير الحكمة استقراء الاتجاهات الخطية قصيرة الأجل بعيدا جدا في الاتجاهات المستقبلية قد تتراجع اليوم بوضوح في المستقبل بسبب أسباب مختلفة مثل تقادم المنتج وزيادة المنافسة والانكماش الدوري أو التحولات في صناعة لهذا السبب، الأسي بسيط فإن التنعيم غالبا ما يؤدي إلى خروج عينة أفضل مما يمكن توقعه على خلاف ذلك، على الرغم من استقراء الاتجاه الأفقي الساذج. وغالبا ما تستخدم تعديلات الاتجاه المعاكسة لنموذج تمهيد الأسي الخطي في الممارسة العملية لإدخال ملاحظة المحافظة على توقعات اتجاهها الاتجاه المعاكسة يمكن تطبيق نموذج ليس كحالة خاصة لنموذج أريما، على وجه الخصوص، نموذج أريما 1،1،2.ومن الممكن حساب فترات الثقة أرو والتنبؤات الطويلة الأجل التي تنتجها نماذج التمهيد الأسي من خلال اعتبارها حالات خاصة لنماذج أريما حذار ليس كل البرامج بحساب فترات الثقة لهذه النماذج بشكل صحيح عرض فترات الثقة يعتمد على i خطأ رمز النموذج، من تمهيد بسيطة أو خطية إي قيمة s من ثابت التمهيد ق و الرابع عدد الفترات المقبلة كنت التنبؤ بشكل عام، والفواصل انتشرت بشكل أسرع كما يحصل أكبر في نموذج سيس وانتشرت بشكل أسرع بكثير عندما الخطية بدلا من بسيطة تمهيد يتم مناقشة هذا الموضوع بشكل أكبر في قسم نماذج أريما من الملاحظات العودة إلى أعلى الصفحة. عمليات الانحدار التحليلي المتوسط ​​الأخطاء الأخطاء أرما والنماذج الأخرى التي تنطوي على التأخر في شروط الخطأ يمكن تقديرها باستخدام بيانات فيت والمحاكاة أو التنبؤ باستخدام عبارات سولف وغالبا ما تستخدم نماذج أرما لعملية الخطأ لنماذج مع بقايا أوتوكوريلاتد الماكرو أر يمكن استخدامها ل سبيسيف y مع عمليات خطأ الانحدار الذاتي يمكن استخدام ماكرو ما لتحديد النماذج مع عمليات خطأ المتوسط ​​المتوسط. أخطاء الانتهاك. أخطاء ذات أخطاء الانحدار الذاتي ذات الترتيب الأول أر 1 لها النموذج. في حين أن عملية خطأ أر 2 لها النموذج . وهكذا دواليك لعمليات أعلى ترتيب لاحظ أن s مستقلة وموزعة بشكل متطابق ولها قيمة المتوقعة 0. على سبيل المثال نموذج مع عنصر أر 2 هو. وهكذا دواليك لعمليات أعلى ترتيب. على سبيل المثال، يمكنك كتابة نموذج الانحدار الخطي بسيط مع ما 2 نقل المتوسط ​​أخطاء as. where MA1 و MA2 هي تتحرك متوسط ​​المعلمات. ملاحظة أن ريسيد Y يتم تعريفها تلقائيا بواسطة بروك نموذج كما لاحظ أن ريسيد Y هو سالب من. زلاغ يجب أن تستعمل الدالة لوثائق ما لاقتطاع تواتر الفواصل الزمنية. وهذا يضمن أن الأخطاء المتأخرة تبدأ عند الصفر في طور التأخر، ولا تنشر القيم المفقودة عندما تكون متغيرات فترة التأخر مفقودة، وتضمن أن المستقبل الأخطاء z إيرو بدلا من المفقودين أثناء المحاكاة أو التنبؤ للحصول على تفاصيل حول وظائف تأخر راجع المقطع لاغ Logic. This النموذج المكتوب باستخدام ماكرو ماك كما يلي. النموذج العام لنماذج أرما. العام أرما p، q العملية النموذج التالي. يمكن تحديد نموذج أرما p، q على النحو التالي. حيث أر i و ما j تمثل الانحدار الذاتي والمتوسط ​​المتحرك للمعدلات المتخلفة المختلفة يمكنك استخدام أي أسماء تريدها لهذه المتغيرات، وهناك العديد من الطرق المكافئة التي مواصفات يمكن أن تكون مكتوبة. ويمكن أيضا أن تكون مكتوبة العمليات أرما فيكتور مع بروك نموذج على سبيل المثال، عملية أر 1 متغيرين لأخطاء المتغيرين الذاتية Y1 و Y2 يمكن تحديدها على النحو التالي. التحديات مشاكل مع نماذج أرما. يمكن أن نماذج أرما يكون من الصعب تقديره إذا لم تكن تقديرات المعلمة ضمن المدى المناسب، فإن المصطلحات المتبقية للنموذج المتوسط ​​المتحرك تنمو باطراد. ويمكن أن تكون المخلفات المحسوبة للرصدات اللاحقة كبيرة جدا أو يمكن أن تتجاوز الكمية T يمكن أن يحدث ذلك إما بسبب استخدام قيم انطلاق غير مناسبة أو لأن التكرارات قد ابتعدت عن القيم المعقولة. وينبغي استخدام كير في اختيار قيم البداية للمعلمات أرما تبدأ قيم 0 001 للمعلمات أرما عادة إذا كان النموذج يتلاءم جيدا مع البيانات والمشكلة هي مكيفة جيدا لاحظ أن نموذج ما يمكن في كثير من الأحيان تقريب من قبل نموذج أر عالية الترتيب، والعكس بالعكس وهذا يمكن أن يؤدي إلى علاقة خطية عالية في نماذج أرما مختلطة، والتي بدورها يمكن أن يسبب سوء تكييف خطيرة في الحسابات وعدم الاستقرار من تقديرات المعلمة. إذا كان لديك مشاكل التقارب أثناء تقدير نموذج مع عمليات خطأ أرما، في محاولة لتقدير في الخطوات أولا، استخدم بيان فيت لتقدير فقط المعلمات الهيكلية مع المعلمات أرما التي عقدت إلى الصفر أو إلى تقديرات معقولة معقولة إذا كان متوفرا بعد ذلك، استخدم عبارة فيت أخرى لتقدير معلمات أرما فقط، باستخدام قيم المعلمات الهيكلية من المدى الأول منذ قيم الهيكل من المرجح أن تكون معلمات أورال قريبة من تقديراتها النهائية، قد تتقارب تقديرات معلمات أرما الآن وأخيرا، استخدم بيان فيت آخر لإنتاج تقديرات متزامنة لجميع المعلمات نظرا لأن القيم الأولية للمعلمات من المرجح أن تكون قريبة جدا من قيمها النهائية فإن التقديرات ينبغي أن تتلاقى بسرعة إذا كان النموذج ملائما للبيانات. أو الشروط الأولية. يمكن التأخير الأولي لشروط الخطأ في نماذج أر p بطرق مختلفة طرق بدء خطأ الانحدار الذاتي التي تدعمها إجراءات ساس إتس هي بعد المربعات الصغرى مشروط أريما و موديل الإجراءات. الحد الأدنى المربعات الصغرى أوتوريغ، أريما، وإجراءات نموذج. أقصى احتمال أوتوريغ، أريما، وإجراءات موديل. يول ووكر أوتوريغ الإجراء فقط. هيلدريث لو، الذي يحذف أول ملاحظات p إجراء نموذج فقط. انظر الفصل 8، الإجراء أوتوريغ، للحصول على شرح ومناقشة مزايا مختلف أر ص بدء التشغيل أساليب. كلس، أولس ، مل، و هل يمكن أن يؤديها بروك موديل للأخطاء أر 1، يمكن أن تنتج هذه التهيئة الأولية كما هو مبين في الجدول 18 2 هذه الطرق مكافئة في عينات كبيرة. التدخل 18 2 التهيئة التي يؤديها بروك موديل أر 1 الأخطاء. يمكن التأخير في شروط الخطأ من نماذج ما q أيضا على غرار بطرق مختلفة ويدعم أدناه المتوسط ​​المتحرك خطأ بدء النماذج من قبل أريما و MODEL. conconditional المربعات الصغرى. المربعات الصغرى المشروط. الطريقة الشرطية أقل المربعات تقدير فإن متوسط ​​الخطأ في الخطأ غير مثالي لأنه يتجاهل مشكلة بدء التشغيل وهذا يقلل من كفاءة التقديرات، على الرغم من أنها تبقى غير متحيزة ويفترض أن المخلفات الأولية المتأخرة، التي تمتد قبل بدء البيانات، هي 0، ويتوقع أن تكون غير مشروطة فالو يقدم هذا الفرق بين هذه المخلفات ومتبقي المربعات الصغرى المعمم لتغاير المتوسط ​​المتحرك، الذي، على عكس نموذج الانحدار الذاتي، p إرسسيستس من خلال مجموعة البيانات عادة هذا الاختلاف يتقارب بسرعة إلى 0، ولكن بالنسبة لعمليات المتوسط ​​المتحرك غير قابل للتحويل تقريبا التقارب بطيء جدا لتقليل هذه المشكلة، يجب أن يكون لديك الكثير من البيانات، ويجب أن تكون تقديرات المتوسط ​​المتحرك المتوسط ​​ضمن ويمكن تصحيح هذه المشكلة على حساب كتابة برنامج أكثر تعقيدا يمكن أن تنتج غير المشروط المربعات الصغرى تقديرات لعملية ما 1 من خلال تحديد نموذج على النحو التالي. الأخطاء المتوسط ​​المتوسط ​​يمكن أن يكون من الصعب تقدير يجب عليك النظر في استخدام أر تقريب لعملية المتوسط ​​المتحرك يمكن عادة أن تكون عملية المتوسط ​​المتحرك جيدة بشكل تقريبي من خلال عملية الانحدار الذاتي إذا لم يتم تمهيد البيانات أو اختلافها. ال ماكرو أر. ساس الماكرو أر يولد بيانات البرمجة ل بروك نموذج للانحراف الذاتي نماذج الماكرو أر هو جزء من ساس إتس البرمجيات، وليس هناك خيارات خاصة تحتاج إلى تعيين لاستخدام الماكرو عملية الانحدار الذاتي يمكن أن يكون أبلي إد إلى أخطاء المعادلة الهيكلية أو إلى سلسلة الذاتية نفسها. يمكن استخدام الماكرو أر للأنواع التالية من autoregression. unrestimited ناقلات autoregression. restimited ناقلات autoregression. Univariate Autorgression. To نموذج مصطلح الخطأ من المعادلة كعملية الانحدار الذاتي، استخدم العبارة التالية بعد المعادلة. على سبيل المثال، لنفرض أن Y هي دالة خطية ل X1 و X2 و خطأ أر 2 يمكنك كتابة هذا النموذج كما يلي. يجب أن تأتي المكالمات إلى أر بعد كل المعادلات التي تقوم بها العملية ينطبق على الاستدعاء الكلي السابق، أر y، 2، ينتج العبارات المبينة في مخرجات ليست في الشكل 18 58.Figure 18 58 ليست مخرجات الخيار لنموذج أر 2. المتغيرات المسبقة بريد هي متغيرات البرنامج المؤقتة المستخدمة بحيث فإن التخلف عن البقايا هي المخلفات الصحيحة وليس تلك المعاد تعريفها بواسطة هذه المعادلة علما بأن هذا يعادل البيانات المكتوبة بشكل صريح في القسم النموذج العام لنماذج أرما. يمكنك أيضا إعادة صارم معلمات الانحدار الذاتي إلى الصفر عند التأخر المحدد على سبيل المثال، إذا كنت تريد معلمات الانحدار الذاتي في الفترات 1 و 12 و 13 يمكنك استخدام العبارات التالية. هذه البيانات توليد الإخراج هو مبين في الشكل 18 59.Figure 18 59 ليست إخراج الخيار لنموذج أر مع تأخيرات في 1 و 12 و 13.The موديل الإجراء. إعداد رمز البرنامج المترجم. الوصف ب Parsed. PRED ياب x1 c x2RESID y بريد y - y yERROR y y بريد y-OL. DDPRED y ريد y yl1 ZLAG1 y - بيردي yl12 ZLAG12 y - بيردي yl13 ZLAG13 y - PREDy. RESID y بريد y - y yERRER y y بريد y - y هناك اختلافات في طريقة المربعات الصغرى المشروطة، اعتمادا على ما إذا كانت الملاحظات في بداية من سلسلة تستخدم لتسخين عملية أر افتراضيا، أر طريقة الشرطية المربعات الصغرى يستخدم كل الملاحظات ويفترض الأصفار للتخلف الأولي من شروط الانحدار الذاتي باستخدام الخيار M، يمكنك أن تطلب أن أر استخدام الأقل المشروط الساحات أولس أو أقصى احتمال احتمال طريقة مل بدلا فو r على سبيل المثال. وترد مناقشة هذه الأساليب في القسم أر الشروط الأولية. باستخدام الخيار M كلس n، يمكنك طلب استخدام الملاحظات N الأولى لحساب التقديرات من التأخر الانحدار الأولي الأولي في هذه الحالة، يبدأ التحليل ب ملاحظة n 1 على سبيل المثال. يمكنك استخدام الماكرو أر لتطبيق نموذج الانحدار الذاتي إلى المتغير الذاتية، بدلا من مصطلح الخطأ، وذلك باستخدام الخيار تايب V على سبيل المثال، إذا كنت ترغب في إضافة الفترات الماضية الخمسة من Y إلى المعادلة في المثال السابق، يمكنك استخدام أر لتوليد المعلمات والتخلف باستخدام العبارات التالية. البيانات السابقة توليد الإخراج هو مبين في الشكل 18 60.Figure 18 60 ليست إخراج الخيار لنموذج أر من Y. This النموذج وتتوقع Y كخطوة خطية من X1، X2، اعتراض، وقيم Y في الفترات الخمس الأخيرة. غير مقصود Autorgression. To نموذج مصطلحات الخطأ لمجموعة من المعادلات باعتبارها عملية الانحدار الذاتي المتجه، استخدم ما يلي شكل الماكرو أر بعد المعادلات. قيمة اسم العملية هو أي اسم التي تقوم بتوفيرها أر لاستخدامها في صنع أسماء المعلمات الانحدار الذاتي يمكنك استخدام الماكرو أر لنموذج عدة عمليات أر مختلفة لمجموعات مختلفة من المعادلات باستخدام عملية مختلفة أسماء لكل مجموعة اسم العملية يضمن أن أسماء المتغيرات المستخدمة هي فريدة من نوعها استخدام قيمة اسم عملية قصيرة للعملية إذا كان يجب كتابة تقديرات المعلمات إلى مجموعة بيانات الإخراج يحاول ماكرو أر إنشاء أسماء معلمات أقل من أو تساوي ثمانية أحرف ، ولكن هذا محدود بمدى اسم العملية الذي يستخدم كبادئة لأسماء معلمات أر. قيمة المتغير فاريابلست هي قائمة المتغيرات الذاتية للمعادلات. على سبيل المثال، لنفترض أن أخطاء المعادلات Y1 و Y2 و Y3 هي التي تم إنشاؤها بواسطة عملية الناقلات التلقائية من الدرجة الثانية يمكنك استخدام العبارات التالية. التي تولد ما يلي ل Y1 و التعليمات البرمجية مماثلة ل Y2 و Y3.Only الشرطي أقل مربع s M كلس أو M كلس n يمكن أن تستخدم في عمليات المتجهات. يمكنك أيضا استخدام نفس النموذج مع القيود التي تكون مصفوفة معامل 0 في تأخر المحدد على سبيل المثال، تنطبق العبارات التالية عملية متجه من الدرجة الثالثة إلى أخطاء المعادلة مع كل المعاملات في تأخر 2 تقتصر على 0 ومع المعاملات في الفترات 1 و 3 غير المقيدة. يمكنك نموذج سلسلة Y1 Y3 كعملية ناقلات الانحدار الذاتي في المتغيرات بدلا من الأخطاء باستخدام الخيار تايب V إذا كنت want to model Y1 Y3 as a function of past values of Y1 Y3 and some exogenous variables or constants, you can use AR to generate the statements for the lag terms Write an equation for each variable for the nonautoregressive part of the model, and then call AR with the TYPE V option For example. The nonautoregressive part of the model can be a function of exogenous variables, or it can be intercept parameters If there are no exogenous components to the vector autoregression model, including no intercepts, then assign zero to each of the variables There must be an assignment to each of the variables before AR is called. This example models the vector Y Y1 Y2 Y3 as a linear function only of its value in the previous two periods and a white noise error vector The model has 18 3 3 3 3 parameters. Syntax of the AR Macro. There are two cases of the syntax of the AR macro When restrictions on a vector AR process are not needed, the syntax of the AR macro has the general form. specifies a prefix for AR to use in constructing names of variables needed to define the AR process If the endolist is not specified, the endogenous list defaults to name which must be the name of the equation to which the AR error process is to be applied The name value cannot exceed 32 characters. is the order of the AR process. specifies the list of equations to which the AR process is to be applied If more than one name is given, an unrestricted vector process is created with the structural residuals of all the equations included as regressors in each of the equations If not specified, endolist defaults to name. specifies the list of lags at which the AR terms are to be added The coefficients of the terms at lags not listed are set to 0 All of the listed lags must be less than or equal to nlag and there must be no duplicates If not specified, the laglist defaults to all lags 1 through nlag. specifies the estimation method to implement Valid values of M are CLS conditional least squares estimates , ULS unconditional least squares estimates , and ML maximum likelihood estimates M CLS is the default Only M CLS is allowed when more than one equation is specified The ULS and ML methods are not supported for vector AR models by AR. specifies that the AR process is to be applied to the endogenous variables themselves instead of to the structural residuals of the equations. Restricted Vector Autoregression. You can control which parameters are included in the process, restricting to 0 those parameters that you do not include First, use AR with the DEFER option to declare the variable list and define the dimension of the process Then, use additional AR calls to generate terms for selected equations with selected variables at selected lags For example. The error equations produced are as follows. This model states that the errors for Y1 depend on the errors of both Y1 and Y2 but not Y3 at both lags 1 and 2, and that the errors for Y2 and Y3 depend on the previous errors for all three variables, but only at lag 1. AR Macro Syntax for Restricted Vector AR. An alternative use of AR is allowed to impose restrictions on a vector AR process by calling AR several times to specify different AR terms and lags for different equations. The first call has the general form. specifies a prefix for AR to use in constructing names of variables needed to define the vector AR process. specifies the order of the AR process. specifies the list of equations to which the AR process is to be applied. specifies tha t AR is not to generate the AR process but is to wait for further information specified in later AR calls for the same name value. The subsequent calls have the general form. is the same as in the first call. specifies the list of equations to which the specifications in this AR call are to be applied Only names specified in the endolist value of the first call for the name value can appear in the list of equations in eqlist. specifies the list of equations whose lagged structural residuals are to be included as regressors in the equations in eqlist Only names in the endolist of the first call for the name value can appear in varlist If not specified, varlist defaults to endolist. specifies the list of lags at which the AR terms are to be added The coefficients of the terms at lags not listed are set to 0 All of the listed lags must be less than or equal to the value of nlag and there must be no duplicates If not specified, laglist defaults to all lags 1 through nlag. The MA Macro. The SAS ma cro MA generates programming statements for PROC MODEL for moving-average models The MA macro is part of SAS ETS software, and no special options are needed to use the macro The moving-average error process can be applied to the structural equation errors The syntax of the MA macro is the same as the AR macro except there is no TYPE argument. When you are using the MA and AR macros combined, the MA macro must follow the AR macro The following SAS IML statements produce an ARMA 1, 1 3 error process and save it in the data set MADAT2.The following PROC MODEL statements are used to estimate the parameters of this model by using maximum likelihood error structure. The estimates of the parameters produced by this run are shown in Figure 18 61.Figure 18 61 Estimates from an ARMA 1, 1 3 Process. There are two cases of the syntax for the MA macro When restrictions on a vector MA process are not needed, the syntax of the MA macro has the general form. specifies a prefix for MA to use in constructin g names of variables needed to define the MA process and is the default endolist. is the order of the MA process. specifies the equations to which the MA process is to be applied If more than one name is given, CLS estimation is used for the vector process. specifies the lags at which the MA terms are to be added All of the listed lags must be less than or equal to nlag and there must be no duplicates If not specified, the laglist defaults to all lags 1 through nlag. specifies the estimation method to implement Valid values of M are CLS conditional least squares estimates , ULS unconditional least squares estimates , and ML maximum likelihood estimates M CLS is the default Only M CLS is allowed when more than one equation is specified in the endolist. ما ماكرو بناء الجملة للناقلات المقيدة تتحرك - Average. An استخدام بديل من ما يسمح لفرض قيود على عملية ما ناقلات عن طريق استدعاء ما عدة مرات لتحديد شروط ما مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لديها form. specives عامة بادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتعريف متجه ما process. يحدد ترتيب عملية ما. حدد قائمة المعادلات التي يتم تطبيق عملية ما. ويحدد أن ما هو ليس لتوليد عملية ما ولكن هو الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق ما يدعو لنفس القيمة name. The المكالمات اللاحقة لها form. is العام نفسه كما في call. speces الأولى قائمة المعادلات التي المواصفات في هذه الدعوة ما يتم تطبيقها. تحدد قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في eqlist. يحدد قائمة التأخيرات التي ستضاف إليها مصطلحات ما.