이번 게시글은 TimeSeries Forecasting에 관한 게시글입니다.
국민 총생산, 물가지수, 상품의 판매량, 종합주가지수, 강우량, 태양의 흑점 수, 과학실험실에서의 실험 및 관측 자료 등과 같이
연도별, 계절별, 월별, 일별 또는 보다 작은 시간대로서 시.분.초별로 시간의 흐름에 따라 순서대로 관측되므로 시간의 영향을 받게 됩니다.
이와 같이 시간에 따라 관측된 자료를 시계열(Time Series)라고 한다.
기상관 테스트로 시계열 분석 프로세스에서 정상성 여부를 확인하는 방법입니다.
* 자기상관 진단 예시
* 주요특성
시계열 데이터에 추세가 존재할 때 ACF는 선형적으로 감소합니다.
시계열 데이터가 계절성이 존재할 경우 ACF 또는 PACF에 계절효과가 반영됩니다.
ACF와 PACF 그래프에서 현재시점 기준 하에 과거로 갈수록 자기상관계수가 점점 잠아짐.
* 활용방안
주로 ARIMA 모형에 대한 모수의 차수를 정할 때 사용되는 지표입니다. (EX: ACF, PACF의 cut off 지점이 p,q의 차수)
데이터의 정상성 판단에 활용됩니다. > White Noise 검정(포트맨토우 검정)에서 귀무가설을 채택하면 시계열 데이터가 정상성(Statationary)을 만족합니다.
( + 정상성이란 시간적 속성을 가지는 데이터에서 시간이 흐르면서 그 값의 평균과 분산의 변동이 일정하다는 가정입니다.)
2. Trend Test
시계열 데이터에 대하여 추세의 존재여보를 파악하기 위해서 통계적으로 검정하는 방법입니다.
* 단위근 검정 - 예시
선형적 추세 존재합니다.
Dickey-Fuller(DF)
단위근 검정은 절편이 없는 경우, 절편만 있는 경우, 절편과 시간추세가 있는 경우의 세가지 관점에서 검정을 수행하고 귀무가설이 유의수준 하에 채택이 되면 단위근이 존재한다고 할 수 있음.
* 주요 특성
1. Dickey-Fuller(DF) 검정법
- 통상적인 회귀 분석 기법을 적용하여 시계열 자료에 확률적 추세가 나타나는가 점검하는 방법입니다.
- 시계열 자료의 안정성 판단을 위해 가장 널리 사용
2. 추세(선형, 계절) 존재 여부를 통계적으로 확인합니다.
* 차분 (추세 제거방법)
* 활용방안
모수 추정이란 데이터를 모형에 적합하는 과정의 한 단계이며 분석 데이터를 특성을 잘 반영하는 모형의 최적의 모형계수를 찾아내는 방법입니다.
* 모수 추정 지표 - 예시
* 주요특성
* 활용방안
Join us for SAS Innovate 2025, our biggest and most exciting global event of the year, in Orlando, FL, from May 6-9. Sign up by March 14 for just $795.