有馬vs. 予測のための平滑化モデル私は再生可能エネルギーの顧客と協力しています。この顧客は、風力発電や太陽光発電所のエネルギーの長期予測を作成したいと考えています。 私はARIMAを見せることを計画していました、しかしそれからSmoothingモデルをいじくり回し始めました。 あなたの見解ではどちらが良いですか？ARIMAで私が見る利点は入力機能です。 しかし、入力がない場合は、スムージングの方が良いでしょうか。私は両方から来たと信じているAirline Passengerのボリュームデータを使ってモデルを作成しました @jiancao 。 AICは私が選択したARIMAモデルの方が優れていましたが、予測値と実際の差はWinters Methodの方が小さかった。 考えですか？
再：有馬対 予測のための平滑化モデルアリサ、私の考えでは、それはJMPの他のモデルのようなものです... どれが一番いいですか？場合によります！Rsqd / AIC / BIC / ...の改善は... 少し予測能力を犠牲にして、わずかに優れた予測を保証するのに十分か、またはより単純な（つまり、説明しやすい）モデルの方が優れていますか？
私は長年ARIMAについて少し経験がありましたが（私は専門家ではありませんが）、予測はかなり得意ですが、舞台裏で起こっていることを説明するのは困難です。 いくつかの平滑化モデルは説明がはるかに簡単です。
あなたはすでにこれを知っているかもしれませんが、他の多くのプラットフォームで使われている "検証コラム"と同等のものは、シリーズの最後の数点を差し出してモデルを当てはめます。 次に、それらの点に最も適したモデルを選択し、それらの点を含めて同じモデルの複雑さに戻ります（したがって、次のモデルを予測する準備が整いました）。
それはまったく役に立ちますか？
再：有馬対 予測のための平滑化モデル私は、予測モデルの検証として「leave-one-out」を使用することについてJerryに同意します。ARIMAとAICに基づく平滑化モデルとの比較に関する追加のコメントを追加します。
幾つかある ARIMAと平滑化モデルの同値関係しかし、それらはモデルの2つの異なるファミリーと見なされます。したがって、AIC 尤度はさまざまな方法で計算されるため、それらを比較するために使用することはできません。言い換えれば、AICを使用して、候補ARIMAモデル間のARIMAモデル、または候補平滑化モデル間の平滑化モデルのみを選択できます。
平滑化法は時系列の要素、すなわちレベル、トレンド、季節性、ランダムな変動を直接モデル化するので魅力的です。
それらはモデルを開発する必要なしに迅速かつ簡単な予測を提供します。一方、ARIMAモデルでは、より正確な予測と信頼区間が得られますが、ユーザーからの時間と入力が増えます。
（ところで、航空旅客データはBoxとJenkinsの本からのもので、Seriesgと呼ばれるJMPサンプルデータライブラリのTime Seriesサブフォルダにあります。）
