Regression model
ARIMA（自己回帰和分移動平均）モデル
ARIMAは、自己回帰、和分（差分）、移動平均の各成分を組み合わせて、単一の連続時系列からその過去の値を用いて将来を予測する単変量時系列予測モデルである。これは、Box, Jenkins, Reinsel & Ljung の著書『Time Series Analysis』（第5版、2015年）に記されたBox-Jenkins法の中核をなすものである。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+39 more
出典
- 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
このページの引用方法
ScholarGate. (2026, June 1). Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/ja/econometrics/arima
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.
- 単純指数平滑法（SES）およびホルト法（Double Exponential Smoothing）計量経済学↔ compare
- 一般化自己回帰条件付き分散 (GARCH)計量経済学↔ compare
- 最小二乗法 (OLS) 回帰計量経済学↔ compare
- 季節ARIMA (SARIMA)計量経済学↔ compare
- ベクトル自己回帰（VAR）モデル計量経済学↔ compare
この手法を参照する項目
拡張ディッキー・フラー（ADF）単位根検定Autoformer: 長期時系列予測のための分解Transformerベイジアン構造時系列モデル残差の系列相関に対するBreusch-Godfrey LM検定共和分検定（ヨハンセン／エングル・グレンジャー法）条件付きバリュー・アット・リスク（期待ショートフォール）時系列予測のための conformal prediction間欠需要のためのクロストンの方法DCC-GARCH（動的条件付き相関）DeepARDLinear: 時系列予測のための分解線形モデル指数 GARCH (EGARCH)ETS: 誤差、トレンド、季節指数平滑法単純指数平滑法（SES）およびホルト法（Double Exponential Smoothing）極値理論 (EVT)一般化自己回帰条件付き分散 (GARCH)GARCHモデル（ボラティリティ予測）GJR-GARCH（非対称GARCH）GM(1,1) 灰色予測モデルHolt-Winters三重指数平滑法Informerヨハンセンの共和分検定とベクトル誤差修正モデルカルマンフィルタKPSS 定常性検定Lee-Carterモデル自己相関に対するLjung-Box Q検定長期記憶モデル（ARFIMA、FIGARCH）マルコフ体制スイッチングモデル (MS-AR / MS-VAR)平均分散ポートフォリオ最適化（マルコヴィッツ）MIDAS回帰：混合データ頻度を跨いだ予測N-BEATSN-HiTSPatchTSTPhillips-Perron (PP) 単位根検定実現ボラティリティとHARモデルSARIMAX状態空間モデル（カルマンフィルタ）STL分解：loessを用いた季節・トレンド分解構造的時系列モデル（基本構造モデル）TBATSTemporal Fusion TransformerTheta法時系列クロスバリデーション（ローリング/エクスパンディングウィンドウ）Value at Risk (VaR)（リスク価値）ベクトル自己回帰（VAR）モデルベクトル誤差修正モデル（VECM）X-13ARIMA-SEATS季節調整