14、时间序列数据预测与自相关性分析

时间序列数据预测与自相关性分析

1. 多元回归模型相关问题解答

在进行时间序列分析之前，先回顾一些多元回归模型的关键问题及解答：
|问题|解答|
| ---- | ---- |
|如何识别对结果变量影响更大的变量？| - 独立绘制每个预测变量与结果变量的图表
- 对每个预测变量运行回归模型函数，并测量 p 值和 t 统计量|
|什么是未解释的变异？|它是回归模型与预期值之间的距离|
|在 99.99% 的容忍度下，p 值的 alpha 是多少？p 值必须大于还是小于 alpha？|alpha = 0.01，p 值必须小于 alpha|
|什么是自由度？|自由度是预测变量的数量|
|运行模型的输入预测值是什么？|使用预测变量的不同值，根据我们对数据的经验判断模型结果是否合理|

2. 时间序列预测概述

时间序列是基于过去的静态数据来预测值的数据，它不依赖于多个变量。使用时间序列数据可以验证模型，看它是否能够根据过去的静态数据进行值的预测。

3. 时间序列数据合规性测试

预测值需要有历史数据来分析过去的值与现在的值是否有关系，以及这种关系是否有助于预测未来的值。为了验证这一点，需要测试数据的自相关性。
- 技术要求 ：可从