ETS: Exponentiële vereffening van fout, trend en seizoenscomponenten (Error, Trend, Seasonal Exponential Smoothing)
ETS is een uitgebreid raamwerk voor exponentiële vereffening dat automatisch additieve of multiplicatieve combinaties selecteert van de fout (E), trend (T) en seizoenscomponenten (S) van een tijdreeks. Geformaliseerd als een innovatie-toestandsruimtemodel door Hyndman, Koehler, Ord en Snyder in 2008, verenigt en generaliseert het de Holt-Winters familie van prognosemethoden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/nl/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.
- ARIMA (Autoregressive Integrated Moving Average) ModelEconometrie↔ compare
- Eenvoudige en dubbele exponentiële afvlakking (SES / Holt)Econometrie↔ compare
- Holt-Winters Drievoudige Exponentiële AfvlakkingEconometrie↔ compare
- State Space Model (Kalman Filter)Econometrie↔ compare
- Structureel Tijdreeksmodel (Basis Structureel Model)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →