เปรียบเทียบวิธี

	แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)	การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลเชิงเดี่ยวและเชิงคู่ (SES / Holt)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2015	1957
ผู้ริเริ่ม	Box & Jenkins (Box-Jenkins methodology)	Robert G. Brown (SES); Charles C. Holt (linear trend)
ประเภท	Univariate time-series model	Exponential smoothing forecasting model
แหล่งต้นตำรับ	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	Brown, R. G. (1959). Statistical Forecasting for Inventory Control. McGraw-Hill.
ชื่อเรียกอื่น	Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli	SES, Holt's linear trend method, exponential smoothing forecasting, Basit ve Çift Üstel Düzleştirme (SES / Holt)
ที่เกี่ยวข้อง	5	3
สรุป	ARIMA is a univariate time-series forecasting model that combines autoregressive, integrated (differencing), and moving-average components to predict a single continuous series from its own past. It is the centrepiece of the Box-Jenkins methodology set out in Box, Jenkins, Reinsel & Ljung's Time Series Analysis (5th ed., 2015).	Exponential smoothing is a family of basic time-series forecasting models in which each new observation updates a smoothed estimate by a weighting parameter. Simple exponential smoothing (SES), introduced by Robert G. Brown in 1959, forecasts series with a stable level, while Holt's double exponential smoothing, introduced by Charles C. Holt in 1957, adds a trend term using the parameters alpha and beta.