தன்னியக்க ஒருங்கிணைப்பு நகரும் சராசரி என்றால் என்ன?
தன்னியக்க முன்னேற்ற ஒருங்கிணைந்த நகரும் சராசரி, அல்லது அரிமா என்பது ஒரு புள்ளிவிவர பகுப்பாய்வு மாதிரியாகும், இது தரவுத் தொகுப்பை நன்கு புரிந்துகொள்ள அல்லது எதிர்கால போக்குகளைக் கணிக்க நேரத் தொடர் தரவைப் பயன்படுத்துகிறது.
தன்னியக்க முன்னேற்ற ஒருங்கிணைந்த நகரும் சராசரியைப் புரிந்துகொள்வது (அரிமா)
ஒரு தன்னியக்க முன்னேற்ற ஒருங்கிணைந்த நகரும் சராசரி மாதிரி என்பது பின்னடைவு பகுப்பாய்வின் ஒரு வடிவமாகும், இது மற்ற மாறக்கூடிய மாறிகளுடன் ஒப்பிடும்போது ஒரு சார்பு மாறியின் வலிமையை அளவிடுகிறது. மாதிரியின் குறிக்கோள், எதிர்கால மதிப்புகள் அல்லது நிதிச் சந்தை நகர்வுகளை உண்மையான மதிப்புகள் மூலம் இல்லாமல் தொடரில் உள்ள மதிப்புகளுக்கு இடையிலான வேறுபாடுகளை ஆராய்வதன் மூலம் கணிப்பது.
ஒரு அரிமா மாதிரியை அதன் ஒவ்வொரு கூறுகளையும் பின்வருமாறு கோடிட்டுக் காட்டுவதன் மூலம் புரிந்து கொள்ள முடியும்:
- தன்னியக்க முன்னேற்றம் (AR) என்பது ஒரு மாறக்கூடிய மாறியைக் காண்பிக்கும் ஒரு மாதிரியைக் குறிக்கிறது, அது அதன் சொந்த பின்தங்கிய அல்லது முந்தைய மதிப்புகளை மறுபரிசீலனை செய்கிறது. ஒருங்கிணைந்த (I) நேரத் தொடர் நிலையானதாக இருக்க அனுமதிக்க மூல அவதானிப்புகளின் வேறுபாட்டைக் குறிக்கிறது, அதாவது தரவு மதிப்புகள் தரவு மதிப்புகள் மற்றும் முந்தைய மதிப்புகளுக்கு இடையிலான வேறுபாட்டால் மாற்றப்படுகின்றன. நகரும் சராசரி (எம்.ஏ) பின்தங்கிய அவதானிப்புகளுக்குப் பயன்படுத்தப்படும் நகரும் சராசரி மாதிரியிலிருந்து ஒரு அவதானிப்பு மற்றும் மீதமுள்ள பிழைக்கு இடையிலான சார்புநிலையை உள்ளடக்கியது.
ஒவ்வொரு கூறுகளும் ஒரு நிலையான குறியீட்டுடன் ஒரு அளவுருவாக செயல்படுகின்றன. அரிமா மாதிரிகளுக்கு, ஒரு நிலையான குறியீடானது p, d, மற்றும் q உடன் ARIMA ஆக இருக்கும், இங்கு பயன்படுத்தப்படும் ARIMA மாதிரியின் வகையைக் குறிக்க அளவுருக்கள் முழு எண் மதிப்புகள் மாற்றப்படுகின்றன. அளவுருக்களை இவ்வாறு வரையறுக்கலாம்:
- p : மாதிரியில் பின்னடைவு அவதானிப்புகளின் எண்ணிக்கை; லேக் ஆர்டர் என்றும் அழைக்கப்படுகிறது. d : மூல அவதானிப்புகள் வேறுபடுகின்ற எண்ணிக்கை; வேறுபாட்டின் அளவு என்றும் அழைக்கப்படுகிறது: நகரும் சராசரி சாளரத்தின் அளவு; நகரும் சராசரியின் வரிசை என்றும் அழைக்கப்படுகிறது.
ஒரு நேரியல் பின்னடைவு மாதிரியில், எடுத்துக்காட்டாக, சொற்களின் எண்ணிக்கை மற்றும் வகை சேர்க்கப்பட்டுள்ளன. ஒரு 0 மதிப்பு, இது ஒரு அளவுருவாகப் பயன்படுத்தப்படலாம், அதாவது குறிப்பிட்ட கூறு மாதிரியில் பயன்படுத்தப்படக்கூடாது. இந்த வழியில், ஒரு ARMA மாதிரியின் செயல்பாட்டைச் செய்ய ARIMA மாதிரியை உருவாக்க முடியும், அல்லது எளிய AR, I, அல்லது MA மாதிரிகள் கூட.
தன்னியக்க முன்னேற்ற ஒருங்கிணைந்த நகரும் சராசரி மற்றும் நிலைத்தன்மை
ஒரு தன்னியக்க முன்னேற்ற ஒருங்கிணைந்த நகரும் சராசரி மாதிரியில், தரவு நிலையானதாக இருப்பதற்காக வேறுபடுகிறது. நிலைத்தன்மையைக் காட்டும் ஒரு மாதிரி, காலப்போக்கில் தரவுகளுக்கு நிலைத்தன்மை இருப்பதைக் காட்டுகிறது. பெரும்பாலான பொருளாதார மற்றும் சந்தை தரவு போக்குகளைக் காட்டுகின்றன, எனவே வேறுபாட்டின் நோக்கம் எந்தவொரு போக்குகளையும் அல்லது பருவகால கட்டமைப்புகளையும் அகற்றுவதாகும்.
பருவநிலை, அல்லது ஒரு காலண்டர் ஆண்டில் மீண்டும் நிகழும் வழக்கமான மற்றும் கணிக்கக்கூடிய வடிவங்களை தரவு காண்பிக்கும் போது, பின்னடைவு மாதிரியை எதிர்மறையாக பாதிக்கும். ஒரு போக்கு தோன்றி, நிலைத்தன்மை தெளிவாகத் தெரியவில்லை என்றால், செயல்முறை முழுவதும் பல கணக்கீடுகளை சிறந்த செயல்திறனுடன் செய்ய முடியாது.
