Regression model
ETS: การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลสำหรับความคลาดเคลื่อน, แนวโน้ม, และฤดูกาล
ETS เป็นกรอบการทำงานแบบปรับให้เรียบด้วยเอ็กซ์โพเนนเชียลที่ครอบคลุม ซึ่งจะเลือกการผสมผสานแบบบวกหรือแบบคูณสำหรับองค์ประกอบความคลาดเคลื่อน (E), แนวโน้ม (T) และฤดูกาล (S) ของอนุกรมเวลาโดยอัตโนมัติ การสร้างรูปแบบที่เป็นทางการในฐานะแบบจำลองปริภูมิสถานะของนวัตกรรมโดย Hyndman, Koehler, Ord และ Snyder ในปี 2008 เป็นการรวมและทำให้ตระกูลวิธีการพยากรณ์แบบ Holt-Winters เป็นกรณีทั่วไป
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/th/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.
- แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)เศรษฐมิติ↔ compare
- การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลเชิงเดี่ยวและเชิงคู่ (SES / Holt)เศรษฐมิติ↔ compare
- Holt-Winters Triple Exponential Smoothingเศรษฐมิติ↔ compare
- แบบจำลองปริภูมิสถานะ (ตัวกรองคาลมาน)เศรษฐมิติ↔ compare
- แบบจำลองอนุกรมเวลาเชิงโครงสร้าง (แบบจำลองโครงสร้างพื้นฐาน)เศรษฐมิติ↔ compare