เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลอง SARIMA ที่พารามิเตอร์เปลี่ยนแปลงตามเวลา (TVP-SARIMA)× | แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)× | |
|---|---|---|
| สาขาวิชา | เศรษฐมิติ | เศรษฐมิติ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1990s | 1970 |
| ผู้ริเริ่ม≠ | Harvey, A. C.; Durbin, J. & Koopman, S. J. (state-space framework) | George Box and Gwilym Jenkins |
| ประเภท≠ | Time-varying state-space model | Time series forecasting model |
| แหล่งต้นตำรับ≠ | Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 9780521321969 | Box, G. E. P., & Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day. link ↗ |
| ชื่อเรียกอื่น | TVP-SARIMA, time-varying SARIMA, state-space SARIMA, adaptive SARIMA | ARIMA, Box-Jenkins model, integrated ARMA, ARIMA(p,d,q) |
| ที่เกี่ยวข้อง≠ | 4 | 6 |
| สรุป≠ | The Time-Varying Parameter SARIMA model extends the classical SARIMA framework by allowing autoregressive and moving-average coefficients to evolve over time. Cast as a state-space system and estimated with the Kalman filter, it captures both seasonal patterns and structural change within a single unified model. | The ARIMA(p,d,q) model is the standard workhorse for univariate time series forecasting. It combines autoregressive terms (past values), differencing to induce stationarity, and moving average terms (past shocks) into a unified linear framework. Developed by Box and Jenkins (1970), it remains one of the most widely applied models in econometrics and applied statistics. |
| ScholarGateชุดข้อมูล ↗ |
|
|