Regression modelEconometrics / time series

مدل SARIMA — میانگین متحرک خودبازگشتی فصلی یکپارچه

SARIMA با افزودن عملگرهای خودبازگشتی و میانگین متحرک فصلی، مدل ARIMA را گسترش می‌دهد تا الگوهای تکرارشونده در فواصل زمانی ثابت — مانند چرخه‌های ماهانه، فصلی یا سالانه — را ثبت کند. این مدل که با SARIMA(p,d,q)(P,D,Q)s نمایش داده می‌شود، ابزار استاندارد برای پیش‌بینی سری‌های زمانی فصلی تک‌متغیره در اقتصاد سنجی، اقتصاد و آمار رسمی 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.

+5 more

منابع

  1. Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (1976). Time Series Analysis: Forecasting and Control (revised ed.). Holden-Day. ISBN: 978-0130607744
  2. Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Seasonal Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/fa/econometrics/sarima-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

ارجاع‌شده در

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