Niveau: Fortgeschritten
Berufsfunktion: Analyst / Wissenschaftler / Ingenieur
Jian Cao, leitender Systemingenieur, JMP Division, SAS
Finalist für den besten eingeladenen Beitrag
Wie lassen sich Zeitreihen modellieren und prognostizieren, wenn sie durch Eingriffe (z. B. Prozessänderungen) unterbrochen werden? Wie können Sie Frühindikatoren oder andere exogene Variablen in Ihre ARIMA-Modelle integrieren, um bessere Prognosen zu erstellen?
In diesem Artikel versuche ich, die Transferfunktionsmodelle in JMP anhand wichtiger Anwendungsfälle zu entmystifizieren: Regression mit ARIMA-Fehlern, verteilte Lag-Modelle und Interventionsmodelle. Ich zeige die Vorteile der Verwendung von Transferfunktionen gegenüber der Kleinstquadrate-Regression und ARIMA für die Erstellung besserer Prognosemodelle.
