Vaak vertellen ze ons over de typische voorspellingsmodellen die voornamelijk gebaseerd zijn op lineaire econometrische modellen die proberen een variabele (verklaarde variabele) als functie van een andere (verklarende variabele), zoals de relatie tussen inkomen en consumptie van een persoon. Maar er zijn gevallen waarin geen van de lineaire modellen in de parameters (lineaire regressie, polynomiale regressie, exponentieel, etc.) nuttig is om een voorspelling te doen. Toeristenstromen in een toeristische bestemming worden bijvoorbeeld bepaald door hoog- en laagseizoen, dus een continue tijdreeks zal waarschijnlijk een niet-representatieve R^2 voor het model opleveren.
![prognosegegevens met seizoensgebondenheid](/f/421eff5224802868e5d5a0087e1982f0.jpg)
advertenties
De techniek is relatief eenvoudig, je moet een reeks variabelen toevoegen die seizoensinvloeden verklaren, met een matrix die erg lijkt op de matrix van identiteit, op deze manier zal de regressieformule een reeks nullen hebben die die waarden zullen annuleren en die rekening zullen houden met degenen die de matrix van kruisen identiteit. Welnu, hier is een voorbeeld in Excel van een geval waarin er een seizoensvraag is voor een reeks van 24 maanden, zodat u het als voorbeeld kunt nemen.
Download hier
Seizoensgebonden lineaire regressie
advertenties
Ik hoop dat je er wat aan hebt….