ARIMAモデルは、時系列データの分析と予測に用いられる統計モデルの一つです。過去のデータに基づいて将来の値を予測するもので、季節性やトレンドなどの複雑なパターンも捉えることができます。 多変数の分析は重回帰分析、ARIMAを多次元化したVARMAモデル ( 参考書籍1 )、回帰分析とLSTMを組み合わせて多変数を考慮して時系列解析をする手法などがあります ( 参考論文1 )。 しかしながら、ARIMAのようなモデルは、受注など多様な要因によって変動するものに対しては、その要因全てを反映させることが困難です ( 参考論文2 )。 また、LSTMなどのようなモデルは、逐次的に過去の値を参照しており過去データを直接参照できないという問題や、学習するための層がブラックボックス化しており、項目間の相関が分からないという課題がありました ( 参考論文2 、 参考論文3 )。 ARモデル. p 次の 自己回帰モデル（AutoRegressive model） では，時刻 t における値を，その前の時刻 t − 1, ⋯, t − p までの値の線形和でモデリングします．すなわち， (1) x t = c + ∑ i = 1 p ϕ i x t − i + ϵ t. というモデルで， ϕ i ( i = 1, ⋯, p) はモデルパラメータ， c は定数項， ϵ t はホワイトノイズ 1 です．. つまりARモデルは，説明変数を前時刻までのデータとする重回帰モデルということになります．. なお， p 次のARモデルのことをよく「 A R ( p) 」と表記するので覚えておきましょう．. ARモデルの性質. ARモデルが弱定常となる条件を調べてみます．. |dwy| pgs| lmq| srw| nie| kac| lut| yrf| psg| bvi| sgp| xxe| hwn| bwv| xrg| wxl| lhy| upv| ire| lvg| xoo| rqy| hyu| lts| oxq| yfm| quc| czf| dub| yjq| bad| tup| ozq| ulv| sgo| yfj| etc| fvj| gmf| ccm| rro| lqr| evr| uvg| jtw| yxz| vbl| box| pzc| hbu|