Souvent, ils nous parlent des modèles de prédiction typiques basés principalement sur des modèles économétriques linéaires qui tentent d'expliquer un variable (variable expliquée) en fonction d'une autre (variable explicative), comme la relation entre le revenu et la consommation d'un personne. Mais il y a des occasions où aucun des modèles linéaires dans les paramètres (régression linéaire, régression polynomiale, exponentielle, etc.) n'est utile pour faire une prévision. Par exemple, les flux touristiques dans une destination touristique sont déterminés par la haute et la basse saison, donc une série temporelle continue donnera probablement un R ^ 2 non représentatif pour le modèle.
Annonces
La technique est relativement simple, il faut ajouter une série de variables qui expliquent la saisonnalité, avec une matrice très similaire à la matrice de identité, de cette façon la formule de régression aura une série de zéros qui annuleront ces valeurs et qui considéreront celles qui traversent la matrice de identité. Eh bien, voici un exemple dans Excel d'un cas dans lequel il y a une demande saisonnière pour une série de 24 mois afin que vous puissiez le prendre comme exemple.
Télécharger ici
Régression-linéaire-saisonnière
Annonces
J'espère qu'il vous sera utile….
