ARIMA 모형을 활용한 시계열 분석 SPSS활용

소개글

"ARIMA 모형을 활용한 시계열 분석 SPSS활용"에 대한 내용입니다.

목차

1. 자기회귀통합이동평균모형 (ARIMA: auto-regressive moving average model)
2. ARIMA 모형 구축 절차
3. ARIMA 모형의 선정 원칙
4. 안정성 검정(정상적 데이터 인가?)
5. 가역성 검정
6. 추정된 계수의 통계적 유의성
7. 잔차의 통계적 독립성 확보
8. 데이터 베이스 온라인 제공업 산업지수의 예측
9. 날짜 정의
10. 정상성 검증
11. 차분
12. 차분(비계절적)
13. 계절적 차분
14. ARIMA 모형의 설정(자기상관계수와 편자기상관계수)
15. ARIMA(1,1,1)(1,1,1)12 모형의 경우
16. ARIMA(1,1,1)(0,1,1)12 모형의 경우
17. ARIMA(1,1,1)(1,1,0)12 모형의 경우
18. ARIMA(1,1,1)(0,1,1)12 모형의 예측

본문내용

자기회귀통합이동평균모형
(ARIMA: auto-regressive moving average model)

- 경제 및 사회현상이 사람들의 과거지식과 경험에 기초한 행동에 따라 움직이고 있다는 가정

- 안정적인 시계열을 모형화하여 단기예측 가능

- 소수의 시계열 데이터를 이용한 단순한(일변량 모형)

- Box와 Jenkins(1994)에 따르면 최소 50개 이상의 관측값이 필요

- 계절변동이 있는 데이터의 경우 1주기 데이터가 소실될 수 있으므로 그 이상의 관측값 필요

- ARIMA(p, d, q) 형태로 표현
p: 자기회귀모형(AR)
d: 차분(I)
q: 이동평균모형(MA)

참고 자료

없음