Regression model

ETS: Εξομάλυνση Εκθετικής Σφάλματος, Τάσης, Εποχικότητας

Το ETS είναι ένα ολοκληρωμένο πλαίσιο εκθετικής εξομάλυνσης που επιλέγει αυτόματα προσθετικούς ή πολλαπλασιαστικούς συνδυασμούς των στοιχείων σφάλματος (E), τάσης (T) και εποχικότητας (S) μιας χρονοσειράς. Τυποποιημένο ως μοντέλο χώρου καταστάσεων καινοτομιών από τους Hyndman, Koehler, Ord και Snyder το 2008, ενοποιεί και γενικεύει την οικογένεια μεθόδων πρόβλεψης Holt-Winters.

Εφαρμογή με το EconMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Hyndman, R. J., Koehler, A. B., Ord, J. K. & Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach. Springer. DOI: 10.1007/978-3-540-71918-2
  2. Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/el/econometrics/ets-model

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.

Compare side by side

Αναφέρεται από

ScholarGateETS Model (Error, Trend, Seasonal (ETS) Exponential Smoothing). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/econometrics/ets-model · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026