Aplikacja wielowymiarowych modeli ARIMA w pakiecie SCA

• Autorzy: Ewa Chodakowska

Warianty tytułu

An Application of Multivariate ARIMA Models in SCA Statistical System

• Języki publikacji: PL

Abstrakty

Modele MARIMA są jedną z klas modeli szeregów czasowych, która dzięki swoim własnościom może znaleźć praktyczne zastosowanie w wielu dziedzinach. Modele te nie są jednak często stosowane. W większości popularnych programów komputerowych do statystycznej analizy danych nie ma zaimplementowanych algorytmów identyfikacji modeli MARIMA oraz estymacji ich parametrów. SCA Statistical System jest jednym z nielicznych, który oferuje takie możliwości. W artykule przedstawiono metodykę budowy modeli MARIMA z wykorzystaniem programu SCA. Na przykładzie analizy szeregu czasowego wartości sprzedaży przedyskutowano kolejne etapy tworzenia modeli: identyfikację, estymację, diagnostykę i prognozowanie. (fragment tekstu)

EN

MARIMA models can be used in a variety of applications. This class of models effectively connects the basic concepts of the regression model with these of ARIMA models. However, they are not frequently used in practice, because popular computer software for statistical data analysis does not include algorithms for MARIMA models identification and estimation. SCA Statistical System is one of the few systems that supports MARIMA method of forecasting. In this paper methology of MARIMA models' construction in SCA has been presented. On the is of a time series analysis consecutive phases of model-building process have n described and discussed. (original abstract)

Słowa kluczowe

PL

Modele ARIMA; System statystyczny

EN

Autoregressive integrated moving average (ARIMA) models; Statistical system

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2005
• Tom: 12
• Numer: nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 349--357

Twórcy

autor

Ewa Chodakowska

• Politechnika Białostocka

Bibliografia

• Box G.E.P., Jenkins G.M., Analiza szeregów czasowych: prognozowanie I i sterowanie, PWN, Warszawa 1983.
• DeLurgio S.A., Forecasting Principles and Applications, Irwin/McGraw-Hill, Boston 1998.
• Liu L., Hudak G.B., Forecasting and Time Series Analysis Using the SCA Statistical System, Scientific Computing Associated Corp., Chicago 2000.
• Makridakis S., Wheelwright S.C., Hyndman R.J., Forecasting. Methods and Applications, John Wiley & Sons Inc., New York 1998.