Много пъти те ни разказват за типичните модели за прогнозиране, базирани главно на иконометрични линейни модели, които се опитват да обяснят a променлива (обяснена променлива) като функция на друга (обяснителна променлива), като връзката между дохода и потреблението на a човек. Но има случаи, когато нито един от линейните модели в параметрите (линейна регресия, полиномиална регресия, експоненциална и т.н.) не е полезен за прогнозиране. Например, туристическите потоци в туристическа дестинация се определят от високия и ниския сезон, така че непрекъснатите времеви редове вероятно ще дадат непредставителен R ^ 2 за модела.
Реклами
Техниката е относително проста, трябва да добавите серия от променливи, които обясняват сезонността, с матрица, много подобна на матрицата на идентичност, по този начин формулата за регресия ще има поредица от нули, които ще отменят тези стойности и които ще вземат предвид тези, които пресичат матрицата на самоличност. Е, ето пример в превъзходство на случай, в който има сезонно търсене за поредица от 24 месеца, за да можете да го вземете за пример.
Изтеглете тук
Сезонно-линейна регресия
Реклами
Надявам се да ви бъде полезен ...
