Regression model
TBATS — การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลตรีโกณมิติสำหรับฤดูกาลที่ซับซ้อน
TBATS เป็นแบบจำลองการพยากรณ์สถานะปริภูมิที่เป็นนวัตกรรมใหม่ ซึ่งนำเสนอโดย De Livera, Hyndman และ Snyder (2011) ที่รวมการแปลง Box-Cox, ข้อผิดพลาด ARMA และพจน์ตามฤดูกาลแบบตรีโกณมิติ (ฟูเรียร์) เข้าไว้ด้วยกัน ถูกสร้างขึ้นเพื่อจัดการกับอนุกรมเวลาต่อเนื่องที่มีวงจรตามฤดูกาลที่ซ้อนกันหลายวงจรพร้อมกัน เช่น ข้อมูลรายชั่วโมงที่ซ้ำกันรายวัน รายสัปดาห์ และรายปี
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. DOI: 10.1198/jasa.2011.tm09771 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/th/econometrics/tbats
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
- Seasonal ARIMA (SARIMA)เศรษฐมิติ↔ compare
- การแยกส่วนประกอบ STL: การแยกส่วนประกอบตามฤดูกาลและแนวโน้มโดยใช้ Loessเศรษฐมิติ↔ compare