İstatistik Sözlüğü → ARIMA mertebeleri (p, d, q) ve kayma (drift)
ARIMA mertebeleri (p, d, q) ve kayma (drift)kavram
ARIMA modelinin yapısını tanımlayan üç sayı: otoregresif terim sayısı (p), fark alma sayısı (d) ve hareketli ortalama terim sayısı (q); kayma ise farkı alınmış seride sabit bir terimdir.
ARIMA(p, d, q) modelinde seri önce d kez farkı alınarak durağan hale getirilir. Ardından p otoregresif (AR) terim, değeri kendi geçmiş p değeriyle; q hareketli ortalama (MA) terim ise geçmiş q tahmin hatasıyla açıklar. Örneğin ARIMA(1, 1, 1), birinci farkı alınmış serinin bir önceki farkla ve bir önceki şokla ilişkili olduğu bir modeldir. Mevsimsel ARIMA'da bunlara mevsimsel mertebeler (P, D, Q) ve mevsim uzunluğu m eklenir: ARIMA(p, d, q)(P, D, Q)m.
Mertebeler ACF ve PACF grafiklerinden yola çıkılarak ya da AIC, BIC gibi bilgi ölçütleriyle seçilir; seçilen modelin artıkları beyaz gürültü olmalıdır (Ljung-Box testi). Kayma (drift), d = 1 olduğunda farkı alınmış serideki sabit terimdir ve özgün seride doğrusal bir eğilime karşılık gelir: seri her dönem ortalama olarak sabit bir miktar artar ya da azalır. d = 0'da sabit yalnızca ortalamayı, d = 2'de ise ikinci dereceden bir eğilimi temsil edeceği için genellikle eklenmez. Gereğinden yüksek mertebeler aşırı uyuma ve AR ile MA terimlerinin birbirini götürmesine (parametre fazlalığı) yol açabilir.
Gündelik bir örnek
Bir kafenin aylık satışları sürekli artıyor ve her ay bir önceki aya göre ortalama 300 fincan fazla kahve satılıyor. Birinci farkı alınmış seride bu düzenli artış, sabit bir 300 fincanlık kayma olarak görünür. Ayrıca bir ayın beklenmedik yüksek satışı ertesi ayı da biraz etkiliyorsa, modele bir MA terimi eklenir; sonuç kaymalı bir ARIMA(0, 1, 1) olabilir.
MerQur'da
ARIMA Tahminde 'AR (p), Fark (d), MA (q)', 'Drift ekle (d = 1)' ve 'Mevsimsel (P, D, Q) m' parametreleriyle belirlenir.
Bu kavramın geçtiği analizler
İlgili kavramlar
Fark alma (differencing)Otokorelasyon (ACF) ve kısmi otokorelasyon (PACF) fonksiyonlarıBilgi ölçütleri (AIC, AICc, BIC)