دانشجو و محقق گرامی: این متن دارای فرمولهای آماري و تصاویری از محیط نرم افزار ميني تب می باشد که به راحتي امکان درج آنها در صفحات وب نمی باشد. ضمن پوزش، پیشنهاد می شود از لینک زیر این مقاله را با فرمت pdf دانلود کرده و به راحتی مطالعه نمایید: 

13- روش پيش بينی باکس جنکینز 

مقدمه

در مبحث سریهای زمانی، در مقالات قبلی روشهای پیش بینی کمی یک متغیره، روشهای منحنی روند، هموارسازی نمایی و هلت-وینترز مورد بررسی قرار گرفت. اینک روش پیش بینی باکس- جنکینز که در عمل بسیار مورد استفاده قرار می گیرد را در نرم افزار مینی تب توضیح می دهیم.

استراتژی مدل سازی با استفاده از روش باکس- جنکینز و همچنین بررسی مناسب بودن مدل برازش شده را نیز در مقالات بعدی بیان خواهیم کرد.

اجرای روش پيش بينی باکس- جنکينز در مینی تب

اين روش اساسا شامل برازش يک مدل ARIMA به داده ها می باشد. برای توليد پيش بينی بر پايه يک مدل ARIMA، پس از مشخص شدن مدل نهايی يعنی تعين مرتبه تفاضلی کردن و تعين مرتبه هر يک از فرآيندهای ARو MA، بر روی گزينه …. Forecasts در پنجره اصلی ARIMA کليک کرده و در پنجره باز شده تعداد پيش بينی ها و نقطه شروع آن را مشخص می کنيم.

برای اين کار از منوی Stat گزينه Time Series و سپس گزينه ARIMA را انتخاب می کنيم:

پنجره ARIMA در اين پنجره با تعيين نوع و مرتبه هر يک از مؤلفه های فرآيند, مدل آزمايشی شناسايي شده را به داده ها برازش می دهيم. چنانچه مدل شناسايي شده از نوع فصلی باشد، با مارک دار کردن گزينه Fit seasonal model مؤلفه ها ی فصلی مدل را مشخص می کنيم. به اين ترتيب که طول دوره فصلی را در قسمت Periodتعيين می کنيم و مرتبه اتورگرسيو فصلی و ميانگين متحرک فصلی و همچنين درجه تفاضلات فصلی را در رديف مربوطه در ستون Seasonal می نويسيم.

چنانچه مدل غير فصلی باشد در ستون Nonseasonal مرتبه هر يک از فرآيندهای اتورگرسيو و ميانگين متحرک و همچنين درجه تفاضلی کردن را مشخص می کنيم. مينی تب بطور پيش فرض جمله ثابت را در مدل لحاظ می کند و مدل را با جمله ثابت برازش می دهد.

در صورتی که با بررسی مدل برازش شده به اين نتيجه برسيم که نيازی به حضور جمله ثابت در مدل نمی باشد، کافی است چک مارک عبارت Include constant term in model را برداريم تا مدلی بدون جمله ثابت داشته باشيم. در قسمت Starting values for coefficients چنانچه لازم باشد، مقادير اوليه را برای برآورد پارامترهای مدل تعيين می کنيم. به اين ترتيب که مقادير اوليه مورد نظر را در يکی از ستونهای مينی تب ذخيره کرده و سپس نام اين ستون را در کادر مقابل عبارت فوق وارد می کنيم.

لازم به ذکر است که الگوريتم ARIMA تا 25 تکرار انجام می دهد تا مدل داده شده را برازش دهد. اگر جواب همگرا نباشد، می توان پارامترهای برآورد شده را ذخيره کرده و از آنها به عنوان مقادير اوليه برای برازش دوم استفاده کرد.

جهت تعيين مقادير اوليه برای تخمين پارامترها، بايد اين مقادير را به ترتيب زير در يک از ستونهای worksheet وارد کنيم: مقاديراتورگرسيو- مقادير اتو رگرسيو فصلی- مقادير ميانگين متحرک- مقادير ميانگين متحرک فصلی و مقدار ثابت. سپس در قسمت Starting values for coefficients نام ستونی که شامل مقادير اوليه برای هر پارامتر می باشد را وارد می کنيم.

منبع : از کتاب ” تجزيه و تحليل سريهاي زماني با نرم افزار ميني تب” اثر مصطفي خرمي و دکتر ابوالقاسم بزرگنيا, انتشارات سخن گستر, 1386- اين کتاب از منو فروشگاه اين وب سايت قابل خريداري مي باشد و به صورت اختصاصی توسط داده پردازی “اطمینان شرق” عرضه می گردد: برای خرید کتاب خرید کتاب تحلیل سریهای زمانی – دکتر بزرگنیا  را کلیک کنید.

دانشجو و محقق گرامی: این متن دارای فرمولهای آماري و تصاویری از محیط نرم افزار ميني تب می باشد که به راحتي امکان درج آنها در صفحات وب نمی باشد. ضمن پوزش, پیشنهاد می شود از لینک زیر این مقاله را با فرمت pdf دانلود کرده و به راحتی مطالعه نمایید: 

13- روش پيش بينی باکس جنکینز