Mion-sgrùdadh Sreath-Ùine ann an Staitistig
’S e meur de staitistig a th’ ann an mion-sgrùdadh sreathan ùine a bhios a’ sgrùdadh dàta a chaidh a chruinneachadh gu sreathmhor thar ùine, leithid gach latha, gach seachdain, gach mìos no gach bliadhna. Eu-coltach ri dàta thar-roinneil, a thèid a chruinneachadh aig aon àm, bidh mion-sgrùdadh sreathan ùine a’ cur cuideam air daineamaigs atharrachaidh agus phàtranan a bhios a’ leasachadh thar ùine. Leis gu bheil mòran cho-dhùnaidhean cudromach - ann an eaconamas, gnìomhachas, slàinte a’ phobaill, lùth, agus eadhon gnàth-shìde - an urra ri bhith a’ tuigsinn gluasadan san àm a dh’ fhalbh agus a’ ro-innse gluasadan san àm ri teachd, tha mion-sgrùdadh sreathan ùine na inneal deatamach ann an rannsachadh agus cleachdadh.
Feartan Dàta Sreath-Ùine
Is e prìomh fheart sreath ùine gu bheil sreath ann nach gabh a mheasgachadh gun fhiosrachadh cudromach a chall. Mar as trice bidh luach an latha an-diugh co-cheangailte ri luach an-dè, agus faodaidh pàtrain bliadhnail buaidh a thoirt air luach na mìos seo. Canar fèin-cho-dhàimh ris an eisimeileachd eadar-ùine seo. A bharrachd air an sin, bidh sreathan ùine gu tric a’ nochdadh eileamaidean leithid gluasadan (gluasadan fad-ùine), ràithealachd (pàtrain ath-chuairteach thar ùine), cuairtean (tonnan eadar-mheadhanach nach eil an-còmhnaidh cunbhalach), agus fuaim no mearachdan air thuaiream.
Mar eisimpleir, bidh reic reic buailteach a bhith ag àrdachadh timcheall air saor-làithean (ràitheil), ach faodaidh iad cuideachd àrdachadh gu slaodach bho bhliadhna gu bliadhna air sgàth fàs eaconamach (treand). Bidh atharrachaidhean mar thoradh air tachartasan ris nach robh dùil - leithid briseadh solair no atharrachaidhean poileasaidh - a’ tighinn fo a’ phàirt air thuaiream.
Adhbhar Mion-sgrùdadh Sreath-Ùine
San fharsaingeachd, tha grunn phrìomh amasan aig mion-sgrùdadh sreathan ùine. An toiseach, tha e a’ toirt cunntas goirid agus fiosrachail air pàtrain dàta, mar eisimpleir le bhith a’ sgaradh ghluasadan bho ràitheas. San dàrna àite, tha e a’ mìneachadh nan dòighean air dàta a chruthachadh tro mhodalan staitistigeil, a’ leigeil leinn tuigse fhaighinn air na pròiseasan air cùl atharrachaidhean ann an luachan thar ùine. San treas àite, tha e a’ dèanamh ro-innse, a bhios a’ measadh luachan san àm ri teachd stèidhichte air pàtrain eachdraidheil. San ceathramh àite, tha e a’ lorg ana-cainnt no atharrachaidhean structarail, leithid èiginn eaconamach, atharrachaidhean ann an giùlan margaidh, no innealan tomhais mì-ghnìomhach a dh’ adhbhraicheas claonaidhean dàta.
A’ Chiad Cheumannan: Dealbh-chruthachadh agus Rannsachadh
Is e ceum tòiseachaidh cumanta a bhith a’ plotadh an dàta an aghaidh ùine. Bidh dealbhan sìmplidh gu tric a’ nochdadh gluasadan suas no sìos, pàtrain ràitheil, agus luachan a-muigh. Thèid mion-sgrùdadh staitistigeil tòiseachaidh a dhèanamh an uairsin, leithid cuibheasachd gluasadach obrachadh a-mach gus atharrachaidhean geàrr-ùine a rèiteachadh no a bhith a’ cleachdadh dì-cho-roinn sreath ùine gus pàirtean gluasad, ràitheil, agus fuigheall a sgaradh.
A bharrachd air plotaichean, is e dà inneal cudromach ann an sgrùdadh sreathan ùine an gnìomh fèin-cho-dhàimh (ACF) agus an gnìomh fèin-cho-dhàimh pàirteach (PACF). Tha an ACF a’ sealltainn cho làidir ‘s a tha an dàimh eadar an luach làithreach agus luachan aig diofar dàil (me, 1 latha roimhe, 2 latha roimhe, agus mar sin air adhart). Bidh am PACF a’ cuideachadh le bhith a’ comharrachadh buaidh dhìreach dàil às deidh smachd a chumail air buaidh dàil nas lugha. Tha fiosrachadh bhon ACF agus PACF glè fheumail airson am modail cheart a thaghadh.
Bun-bheachd na Stèisearachd
Bidh mòran dhòighean sreathan-tìm clasaigeach—gu h-àraidh teaghlach ARIMA—a’ gabhail ris gu bheil an dàta statach. Tha sreath-tìm statach a’ ciallachadh gu bheil na feartan staitistigeil aige (leithid a’ chuibheasachd agus an caochlaideachd) an ìre mhath seasmhach thar ùine, agus gu bheil fèin-cho-dhàimh an urra ri dàil ùine a-mhàin, chan ann air an ùine iomlan.
Ma tha gluasad làidir no ràithealachd shoilleir anns an dàta, mar as trice chan eil e stèidhichte. Gus a dhèanamh stèidhichte, bidh luchd-anailis gu tric a’ cleachdadh cruth-atharrachaidhean leithid eadar-dhealachadh (a’ gabhail an eadar-dhealachaidh eadar amannan) no cruth-atharrachaidhean log gus an caochlaideachd a dhèanamh seasmhach. Faodaidh deuchainnean foirmeil leithid an Augmented Dickey-Fuller (ADF) no KPSS cuideachadh le bhith a’ measadh seasmhachd, ged a tha feum fhathast air measgachadh de thuigse co-theacsail agus sgrùdadh lèirsinneach airson am mìneachadh.
Modalan Sreath-Ùine Mòr-chòrdte
1. Modail Cuibheasachd Gluasadach agus Rèidheachadh Eas-chruthach
Tha dòighean rèidheachaidh air an cleachdadh gu farsaing ann an ro-innse geàrr-ùine. Bidh cuibheasachdan gluasadach a’ gabhail cuibheasachd nan beagan amannan mu dheireadh gus an ath ùine a ro-innse. Bidh rèidheachadh eas-chruthach a’ toirt barrachd cuideam do na beachdan as ùire. Tha dòighean mar Sìmplidh Eas-chruthach Rèidheachaidh freagarrach airson dàta gun ghluasad agus ràitheil, agus tha dòigh Holt a’ làimhseachadh ghluasadan, agus bidh Holt-Winters a’ làimhseachadh ghluasadan agus ràitheileachd.
Is e buannachdan dhòighean rèidheachaidh gu bheil iad sìmplidh, luath, agus gu tric bidh iad ag obair gu math airson adhbharan obrachaidh. Ach, chan eil iad an-còmhnaidh a’ toirt seachad mìneachadh mionaideach air structar an fèin-cho-dhàimh.
2. AR, MA, agus ARIMA
Tha am modail fèin-ath-tharraingeach (AR) ag ràdh gu bheil luachan làithreach an urra ri luachan san àm a dh’fhalbh. Tha am modail cuibheasachd gluasadach (MA) ag ràdh gu bheil luachan làithreach fo bhuaidh mhearachdan san àm a dh’fhalbh. Canar ARMA ris a’ chothlamadh den dà rud, agus nuair a dh’fheumar dàta a dhì-dhealachadh gus a dhèanamh statach, bidh am modail a’ fàs gu bhith na ARIMA (Cuibheasachd Gluasadach Amalaichte Fèin-ath-tharraingeach). Tha ARIMA air a sgrìobhadh mar ARIMA(p, d, q), far a bheil p an òrdugh AR, d an òrdugh eadar-dhealachaidh, agus q an òrdugh MA.
Mar as trice bidh an ACF/PACF agus slatan-tomhais fiosrachaidh leithid AIC no BIC a’ cuideachadh le taghadh paramadairean. Tha ARIMA air a bhith na inbhe ann an ro-innse eaconamach is gnìomhachais o chionn fhada air sgàth a shùbailteachd agus a bhunait theòiridheach làidir.
3. SARIMA airson Ràitheil
Ma tha ràithealachd shoilleir aig an dàta—mar eisimpleir, pàtran mìosail-bliadhna—tha modail ARIMA air a leudachadh gu SARIMA (ARIMA Ràitheil). Bidh am modail seo a’ cur eileamaid ràitheil ris, a’ gabhail a-steach AR, eadar-dhealachadh, agus paramadairean MA airson ùine ràitheil sònraichte (mar eisimpleir, 12 airson dàta mìosail). Tha SARIMA èifeachdach airson dàta leithid àireamh nan luchd-turais gach mìos, caitheamh dealain gach uair le pàtran làitheil, no iarrtas ràitheil airson toraidhean.
4. VAR airson ioma-atharrachail
Ann am mòran chùisean, bidh sinn a’ dèanamh anailis air barrachd air aon shreath ùine aig an aon àm, leithid atmhorachd, ìrean rèidh, agus ìrean iomlaid. Leigidh Vector Autoregression (VAR) le gach caochladair a bhith fo bhuaidh nan luachan san àm a dh’ fhalbh aige fhèin agus caochladairean eile. Tha VAR air a chleachdadh gu farsaing ann an eaconamaigs gus sgrùdadh a dhèanamh air daineamaigs shiostaman agus buaidhean clisgeadh tro mhion-sgrùdadh freagairt impulse.
5. Modail Neo-sheasmhachd: ARCH/GARCH
Ann an dàta ionmhais, bidh luaineachd gu tric a’ tachairt ann an cruinneachaidhean: amannan socair agus an uair sin amannan àrd luaineachd. Tha modailean ARCH agus GARCH air an dealbhadh gus modalan caochlaideachd a mhodaileadh a bhios ag atharrachadh thar ùine. Tha na modailean seo cudromach ann an riaghladh chunnartan, luachadh maoin, agus tomhas mì-chinnt sa mhargaidh.
Cruinneas Measadh Modail agus Ro-innse
Cho luath ‘s a thèid modail a thaghadh, feumaidh sinn measadh a dhèanamh air cho iomchaidh ‘s a tha e. Bu chòir na fuigheallan (an diofar eadar dàta fìor agus dàta ro-innseach) a bhith coltach ri fuaim air thuaiream: gun phàtran, gun fèin-cho-dhàimh, agus le caochlaideachd car seasmhach. Bithear gu tric a’ cleachdadh deuchainn Ljung-Box gus sgrùdadh a dhèanamh airson fèin-cho-dhàimh fuigheallach.
Gus càileachd ro-innse a thomhas, thathar a’ cleachdadh meatrach leithid MAE (Mean Absolute Error), RMSE (Root Mean Squared Error), agus MAPE (Mean Absolute Percentage Error). ’S e deagh chleachdadh a th’ ann an dàta a roinn ann an dàta trèanaidh is deuchainn stèidhichte air ùine (roinn stèidhichte air ùine), seach roinn air thuaiream, gus am bi an luachadh a’ nochdadh nan suidheachaidhean ro-innse fhèin.
Dùbhlain chumanta ann an sreathan ùine
Bidh dùbhlain tric mu choinneamh mion-sgrùdadh sreathan ùine leithid dàta a dhìth, atharrachaidhean ann am mìneachaidhean tomhais, luachan ro-mhòra, agus briseadh structarail. Mar eisimpleir, faodaidh galar lèir-sgaoilte pàtrain caitheamh atharrachadh gu mòr, a’ dèanamh mhodalan a chaidh a thrèanadh air amannan ro-ghalair lèir-sgaoilte nas mì-chruinn. Ann an leithid de shuidheachaidhean, is dòcha gum bi feum air ùrachaidhean modail, cleachdadh caochladairean eas-chruthach, no dòigh-obrach nas atharrachail.
A bharrachd air sin, tha buaidh mhòr aig rùn-ama agus fad an dàta air na dòighean a ghabhas cleachdadh. Feumaidh dàta àrd-tricead (m.e., gach mionaid) làimhseachadh sònraichte air fuaim agus àireamhachadh, agus is dòcha gu bheil dàta bliadhnail ro ghoirid airson ràithealachd a chomharrachadh gu làidir.
Penutup
Tha mion-sgrùdadh sreathan ùine ann an staitistig a’ toirt seachad frèam beairteach airson tuigse fhaighinn air dàta a bhios ag atharrachadh thar ùine. Le bhith ag aithneachadh phàirtean gluasadan, ràitheileachd, agus fèin-cho-dhàimh, agus a’ taghadh a’ mhodail cheart - bho rèidhleanadh eas-chruthach gu ARIMA, VAR, agus GARCH - is urrainn dhuinn ro-innsean nas cruinne a thogail agus lèirsinn nas géire fhaighinn. Ach, chan ann a-mhàin air dòigh-obrach a tha mion-sgrùdadh soirbheachail an urra ach cuideachd air tuigse air co-theacsa, càileachd dàta, agus measadh teann. Ann an saoghal a tha a’ sìor fhàs an urra ri dàta fìor-ùine, tha a’ chomas sreathan ùine a sgrùdadh a’ sìor fhàs cudromach dha luchd-rannsachaidh agus luchd-cleachdaidh le chèile.
