Datos de series de tiempo univariante
De manera similar a cómo el análisis multivariable es el análisis de las relaciones entre las múltiples variables, univariado análisis es un análisis cuantitativo de una sola variable. Al modelo de series de tiempo univariante, que está modelando cambios de series temporales que representan los cambios en una sola variable en el tiempo.
Autorregresivo de media móvil (ARMA) es una clase de métodos de pronóstico que se pueden utilizar para predecir valores futuros de los datos actuales e históricos. Como su nombre lo indica, la familia de modelos ARMA cosechadoras autoregresión técnicas (análisis que asumen que las observaciones anteriores son buenos predictores de valores futuros y a cabo un análisis de autorregresión para pronosticar para esos valores futuros) y media móvil - técnicas de los modelos que miden el nivel de la serie constante de tiempo y luego actualizar el modelo de pronóstico si se detectan cambios.
Aquí es un ejemplo de una ecuación para el modelo ARMA:
ARMA (p, q)
yt = un1yt- 1 + un2yt- 2 + . . . + unpagyt - pag + segundo0 + mit - segundo1mit - 1 - segundo2mit-]2 + . . . - segundoqmit - q
Video: Estimación de Modelos de Series de Tiempo en EViews
En esta ecuación
yt es igual al valor real de la serie de tiempo en el momento t.
yt - 1 es igual al valor real de la serie de tiempo en el momento t - 1.
yt - yt- 1 es igual a la variación neta en el valor de la serie de tiempo entre el tiempo t y tiempo t - 1 - el cambio en el valor de la serie de tiempo más de un intervalo de tiempo, en otras palabras.
mit-]1 es igual al término de error en el momento t - 1 (una cuantificación de los procesos de error en el modelo en el momento t - 1).
un1 es igual al parámetro autorregresivo de yt - 1.
segundo1 es igual a la media móvil del parámetro para mit - 1.
mit, mit - 1, mit - 2, . . . , y mit - q no están correlacionados.
Autorregresión asume que el anterior pag observaciones en la serie de tiempo proporcionan una buena estimación de futuras observaciones. La parte media móvil del modelo permite que el modelo para actualizar las previsiones si el nivel de una temperatura constante de cambios de series de tiempo. Si usted está buscando un modelo simple o un modelo que funcione para sólo un pequeño conjunto de datos, entonces el modelo ARMA no es una buena opción para sus necesidades. Una alternativa en este caso podría ser la de quedarse sólo con la regresión lineal simple.
Con el fin de utilizar el modelo ARMA para obtener resultados fiables, es necesario tener al menos 50 observaciones y analista entrenado que pueda adaptarse e interpretar el modelo para usted.
La figura muestra un diagrama del modelo ARMA que corresponde a esta ecuación:
yt = 0,91yt - 1 + 11,6-1,412yt - 1 + 0,987yt - 2
Video: Series de Tiempo
En la figura, se puede ver que los datos de pronóstico del modelo y los datos reales son un ajuste muy cerca. Esto significa que la ecuación que formula anterior es una buena representación de los modelos de series de tiempo TI.
