Часто они рассказывают нам о типичных моделях прогнозирования, основанных в основном на эконометрических линейных моделях, которые пытаются объяснить переменной (объясненной переменной) как функции другой (объясняющей переменной), например, отношения между доходом и потреблением человек. Но бывают случаи, когда ни одна из линейных моделей в параметрах (линейная регрессия, полиномиальная регрессия, экспоненциальная и т. Д.) Не помогает сделать прогноз. Например, туристические потоки в туристическом направлении определяются высоким и низким сезоном, поэтому непрерывный временной ряд, вероятно, даст нерепрезентативное R ^ 2 для модели.
Рекламные объявления
Техника относительно проста, вы должны добавить ряд переменных, объясняющих сезонность, с матрицей, очень похожей на матрицу идентичности, таким образом формула регрессии будет иметь серию нулей, которые отменят эти значения и будут учитывать те, которые пересекают матрицу личность. Что ж, вот пример в отличии от случая, когда существует сезонный спрос на серию из 24 месяцев, так что вы можете взять его в качестве примера.
Скачать здесь
Сезонно-линейная регрессия
Рекламные объявления
Надеюсь, он будет вам полезен….
