TBATS — Trigonometrisk eksponentiel udjævning for kompleks sæsonvariation
TBATS er en "innovations state space"-prognosemodel, introduceret af De Livera, Hyndman og Snyder (2011), som kombinerer en Box-Cox-transformation, ARMA-fejl og trigonometriske (Fourier) sæsonled. Den er bygget til at håndtere kontinuerlige tidsserier med flere indlejrede sæsoncyklusser på én gang – for eksempel timemålinger, der også gentager sig dagligt, ugentligt og årligt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. DOI: 10.1198/jasa.2011.tm09771 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/da/econometrics/tbats
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ARIMA (Autoregressive Integrated Moving Average) ModelØkonometri↔ compare
- SARIMA (Seasonal ARIMA)Økonometri↔ compare
- STL-dekomponering: Sæson-trend-dekomponering ved hjælp af LoessØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →