Regression model
SARIMAX — แบบจำลอง ARIMA ตามฤดูกาลพร้อมตัวแปรภายนอก
SARIMAX ขยายแบบจำลอง ARIMA ตามฤดูกาล (Box-Jenkins) โดยการเพิ่มตัวแปรอธิบายภายนอก เพื่อให้สามารถจับผลกระทบของวันหยุด ตัวชี้วัดทางเศรษฐกิจ หรือตัวแปรเชิงนโยบายต่ออนุกรมเวลาได้ แบบจำลองนี้รวมพลวัตของอนุกรมเวลาแบบอัตถุถดถอยและค่าเฉลี่ยเคลื่อนที่ทั้งแบบไม่ตามฤดูกาลและตามฤดูกาลเข้ากับตัวแปรภายนอก และประมาณค่าโดยใช้วิธีการประมาณค่าความควรจะเป็นสูงสุดในรูปแบบปริภูมิสถานะ
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Seasonal ARIMA with Exogenous Regressors. ScholarGate. https://scholargate.app/th/econometrics/sarimax
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
- Bayesian Vector Autoregression (BVAR)เศรษฐมิติ↔ compare
- Holt-Winters Triple Exponential Smoothingเศรษฐมิติ↔ compare
- แบบจำลองปริภูมิสถานะ (ตัวกรองคาลมาน)เศรษฐมิติ↔ compare