超级会员免费看
时间序列数据预测：从自相关检测到趋势预测
1. 自相关检测与数据可用性
在进行时间序列数据预测时，首先要判断数据是否具有自相关性，即过去的值与当前值之间是否存在关联。可以通过绘制时间序列数据图表进行初步的可视化分析，还可以使用Durbin - Watson统计检验来进一步确认。
以加拿大的销售数据为例，其Durbin - Watson检验结果为2.40918，该值处于接受“不存在自相关”原假设的区域，这与之前的可视化分析结果一致。这表明加拿大的销售数据对于构建预测模型并无用处，我们需要寻找其他国家具有自相关的销售数据，以改善库存和物流管理，并预测产品的季节性高需求时间。
以下是关于自相关及相关检验的常见问题解答：
|问题|答案|
|----|----|
|什么是自相关？|过去的数据反映当前的数据|
|具有自相关的数据图表是什么样的？|具有周期性波动，看起来具有可预测性|
|进行预测的主要要求是什么？|数据必须具有自相关性|
|接受正自相关的Durbin - Watson检验值是多少？|小于2的值。若接近2，则可能需接受原假设，即数据不存在自相关|
|Durbin - Watson检验使用哪种线性回归来确定自相关性？|使用残差或误差来判断数据是否具有自相关性|
2. 移动平均与中心移动平均的应用
一旦确认数据具有自相关性，就可以使用移动平均（Moving Average, MA）和中心移动平均（Centered Moving Average, CMA）来平滑时间序列数据的峰值。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
