เปรียบเทียบวิธี

	ETS: การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลสำหรับความคลาดเคลื่อน, แนวโน้ม, และฤดูกาล	แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2008	2015
ผู้ริเริ่ม	Hyndman, Koehler, Ord & Snyder (state space framework)	Box & Jenkins (Box-Jenkins methodology)
ประเภท	Exponential smoothing state space model	Univariate time-series model
แหล่งต้นตำรับ	Hyndman, R. J., Koehler, A. B., Ord, J. K. & Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach. Springer.	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
ชื่อเรียกอื่น	exponential smoothing state space model, innovations state space model, Holt-Winters family, ETS — Hata/Trend/Mevsimsellik Üstel Düzleştirme	Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli
ที่เกี่ยวข้อง	5	5
สรุป	ETS is a comprehensive exponential smoothing framework that automatically selects additive or multiplicative combinations of the error (E), trend (T) and seasonal (S) components of a time series. Formalised as an innovations state space model by Hyndman, Koehler, Ord and Snyder in 2008, it unifies and generalises the Holt-Winters family of forecasting methods.	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).