Regression model

مدل SARIMA (Seasonal ARIMA)

SARIMA تعمیم فصلی مدل ARIMA مبتنی بر روش باکس-جِنکینز است که با افزودن تفاضل‌گیری فصلی و جملات خودرگرسیو و میانگین متحرک فصلی، الگوهای تکرارشونده در دوره‌های سالانه، ماهانه یا هفتگی را پیش‌بینی می‌کند. این مدل در چارچوب باکس، جِنکینز، رِینزِل و لایونگ (ویرایش پنجم، ۲۰۱۵) توسعه یافته است.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Box, G.E.P., Jenkins, G.M., Reinsel, G.C. & Ljung, G.M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021
  2. Hyndman, R.J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. ISBN: 978-0987507136

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Seasonal Autoregressive Integrated Moving Average. ScholarGate. https://scholargate.app/fa/econometrics/sarima

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

ارجاع‌شده در

ScholarGateSARIMA (Seasonal Autoregressive Integrated Moving Average). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/sarima · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026