เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| ETS: การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลสำหรับความคลาดเคลื่อน, แนวโน้ม, และฤดูกาล× | แบบจำลองอนุกรมเวลาเชิงโครงสร้าง (แบบจำลองโครงสร้างพื้นฐาน)× | |
|---|---|---|
| สาขาวิชา | เศรษฐมิติ | เศรษฐมิติ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2008 | 1990 |
| ผู้ริเริ่ม≠ | Hyndman, Koehler, Ord & Snyder (state space framework) | Andrew C. Harvey |
| ประเภท≠ | Exponential smoothing state space model | State-space (unobserved components) 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. DOI ↗ | Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737 |
| ชื่อเรียกอื่น | exponential smoothing state space model, innovations state space model, Holt-Winters family, ETS — Hata/Trend/Mevsimsellik Üstel Düzleştirme | BSM, basic structural model, unobserved components model, Yapısal Zaman Serisi Modeli (BSM) |
| ที่เกี่ยวข้อง≠ | 5 | 4 |
| 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. | The Structural Time Series Model, in its Basic Structural Model (BSM) form, is Andrew Harvey's state-space approach that decomposes a series into separate stochastic trend, seasonal, cyclical, and irregular components. Developed in Harvey's 1990 treatment, it is prized for interpretability and component decomposition where ARIMA only delivers a black-box fit. |
| ScholarGateชุดข้อมูล ↗ |
|
|