SC3-季节性ARIMA模型_(货量)_(日期) (1).docxVIP

分析流程

数据源：

附件2(2).xlsx

算法配置：

算法：季节性ARIMA模型

分析结果：

暂无数据

分析步骤

1.将时间序列分解成趋势数据、季节性数据、随机数据，以初步判断数据的季节性效应。

2.季节性ARIMA模型要求时间序列满足平稳性检验，若P0.05，说明序列为平稳序列。若原始时间序列不满足平稳性，对其进行差分以及季节差分，直至序列满足平稳性为止。

3.查看最终差分序列图，同时对时间序列进行偏（自相关分析），根据截尾情况估算其p、q值；

4.ARIMA模型要求模型具备纯随机性，即模型残差为白噪声，查看模型检验表，根据Q统计量的P值（P值大于0.05为白噪声）；结合信息准则AIC和BIC值进行分析，AIC和BIC值越小说明模型越优；查看模型对序列的拟合程度R2，越接近1说明模型效果越好。

详细结论

输出结果1：序列分解图

图表说明：

上图展示了原始数据分解出来的趋势数据、季节性数据、随机数据，用于初步判断序列是否存在季节性效应。

●趋势数据：趋势显示了长时间序列数据的总体方向。趋势可以是递增（向上），递减（向下）或水平（平稳）。

●季节性数据：季节性成分在时间，方向和幅度方面表现出重复的趋势。比如说每年夏季、冬季用电会比春季秋季多。

●随机数据：这些是时间序列数据中的波动。

输出结果2：ADF检验表

变量

序列

t

P

AIC

临界值