4、时间序列与数据分组：从预测到异常检测

时间序列与数据分组：从预测到异常检测

1. 时间序列预测基础

1.1 时间序列数据要求

在进行时间序列预测时，数据的自相关性是关键。只有数据存在自相关，才能用于有效的预测。具体操作步骤如下：
1. 绘制数据图表，观察是否存在季节性或周期性趋势，以此判断过去的数据是否会影响下一时期的数据。
2. 使用 Durbin - Watson 统计检验来证明数据的自相关性。

1.2 预测计算方法

预测计算通过回归模型的趋势线乘以季节性不规则因子来完成。这个因子根据过去数据的周期性信息，为趋势线指明方向。在得到模型返回的预测结果后，需要结合经验分析该结果是否与过去的数据相符。

1.3 常见问题解答

问题	答案
构建预测时，时间序列数据的必要条件是什么？	数据需要具有自相关性，可通过图表和 Durbin - Watson 统计检验来证明。
如何从趋势线获取预测的周期性趋势？	将回归模型的趋势线乘以季节性不规则因子。
在预测中为什么需要中心移动平均？	用于平滑周期性的季节性数据波动，借助该值可以计算趋势线的周期季节。
回归模型的哪些元素用于 Durbin - Watson 检验