İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Ekonometri›ETS: Hata, Eğilim, Mevsimsel Üstel Düzeltme
Regression model

ETS: Hata, Eğilim, Mevsimsel Üstel Düzeltme

Error, Trend, Seasonal (ETS) Exponential Smoothing · Ayrıca şöyle bilinir: exponential smoothing state space model, innovations state space model, Holt-Winters family, ETS — Hata/Trend/Mevsimsellik Üstel Düzleştirme

ETS, bir zaman serisinin hata (E), eğilim (T) ve mevsimsel (S) bileşenlerinin toplamsal veya çarpımsal kombinasyonlarını otomatik olarak seçen kapsamlı bir üstel düzeltme çerçevesidir. 2008 yılında Hyndman, Koehler, Ord ve Snyder tarafından bir yenilik durum uzayı modeli olarak formüle edilen bu yöntem, Holt-Winters tahmin yöntemleri ailesini birleştirir ve genelleştirir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

ETS: Hata, Eğilim, Mevsimsel Üstel Düzeltme
ARIMA (Autoregressive In…Basit ve Çift Üstel Düze…Holt-Winters Üçlü Üstel…Durum Uzay Modeli (Kalma…Yapısal Zaman Serisi Mod…ETSformer: Üstel Düzeltm…ProphetMevsimsel ARIMA (SARIMA)Theta Yöntemi

Ne zaman kullanılır

ETS'yi, düzenli aralıklarla kaydedilen ve seviye, eğilim ve/veya mevsimsel yapı gösteren, en az yaklaşık 24 gözlem (kabaca iki mevsimsel döngü) içeren tek bir sürekli zaman serisini tahmin etmek için kullanın. Bileşenleri toplamsal veya çarpımsal olarak ayrıştırılabilen düzenli zaman serisi verilerini varsayar, ancak normallik gerektirmez. Otomatik, sağlam kısa ve orta vadeli tahminler için çok uygundur; düzensiz seriler, çok kısa geçmişler veya açıklayıcı öngörücülere ihtiyaç duyan problemler için daha az uygundur.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Toplamsal ve çarpımsal hata, eğilim ve mevsimsel spesifikasyonları otomatik olarak arar ve bir bilgi kriterine göre en iyisini seçer.
  • Tüm Holt-Winters ailesini, tutarlı bir durum uzayı çerçevesi içinde özel durumlar olarak kapsar.
  • Verilerin normal dağılmasını gerektirmeyen sağlam, hızlı otomatik tahmin.
Sınırlılıklar
  • Bileşenleri güvenilir bir şekilde tahmin etmek için en az yaklaşık 24 gözleme, kabaca iki tam mevsimsel döngüye ihtiyaç duyar.
  • Bileşenleri ayrıştırılabilir düzenli bir zaman serisi gerektirir; yalnızca tek bir seriyi ele alır ve açıklayıcı değişkenleri kullanamaz.
  • Seri sıfır veya negatif değerler içerdiğinde çarpımsal spesifikasyonlar tanımsız veya kararsızdır.

SSS

Üç ETS harfi ne anlama geliyor?

Hata, eğilim ve mevsimsel bileşenleri etiketlerler. Her biri 'N' (yok), 'A' (toplamsal) veya 'M' (çarpımsal) olabilir; örneğin ETS(A,A,A) tamamen toplamsalken, ETS(M,A,M) çarpımsal bir hata ve mevsimselliği toplamsal bir eğilimle birleştirir. Otomatik prosedür, her harf için 'Z' (otomatik) ayarını deneyebilir.

ETS'nin Holt-Winters ile ilişkisi nedir?

Holt-Winters üçlü üstel düzeltme, ETS'nin özel bir durumudur. ETS çerçevesi, tüm Holt-Winters ailesini içerir ve durum uzayı formülasyonu aracılığıyla ilkeli olabilirlik tahmini, otomatik seçim ve tahmin aralıkları ekler.

Toplamsal mevsimselliği çarpımsal mevsimselliğe ne zaman tercih etmeliyim?

Seviye yükseldikçe mevsimsel dalgalanmaların boyutu kabaca sabit kaldığında toplamsal mevsimselliği, dalgalanmaların seviyeye orantılı olarak arttığında ise çarpımsal mevsimselliği kullanın. Çarpımsal formlar kesinlikle pozitif veri gerektirir.

ETS ne kadar veriye ihtiyaç duyar?

En az yaklaşık 24 gözleme, yani aylık veriler için kabaca iki tam mevsimsel döngüye ihtiyaç duyar, böylece seviye, eğilim ve mevsimsel bileşenler ayrıştırılabilir ve güvenilir bir şekilde tahmin edilebilir.

Kaynaklar

  1. 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 ↗
  2. Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/tr/econometrics/ets-model

İlişkili yöntemler

ARIMA (Autoregressive Integrated Moving Average) ModeliBasit ve Çift Üstel Düzeltme (SES / Holt)Holt-Winters Üçlü Üstel DüzeltmeDurum Uzay Modeli (Kalman Filtresi)Yapısal Zaman Serisi Modeli (Temel Yapısal Model)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
  • Basit ve Çift Üstel Düzeltme (SES / Holt)Ekonometri↔ karşılaştır
  • Holt-Winters Üçlü Üstel DüzeltmeEkonometri↔ karşılaştır
  • Durum Uzay Modeli (Kalman Filtresi)Ekonometri↔ karşılaştır
  • Yapısal Zaman Serisi Modeli (Temel Yapısal Model)Ekonometri↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

ETSformer: Üstel Düzeltme Transformatörleri ile Zaman Serisi TahminlemesiProphetMevsimsel ARIMA (SARIMA)Theta Yöntemi

Benzer yöntemler

Holt-Winters Üçlü Üstel DüzeltmeBasit ve Çift Üstel Düzeltme (SES / Holt)Karmaşık Mevsimsellik İçin Trigonometrik Üstel DüzeltmeDurum Uzay Modeli (Kalman Filtresi)STL Ayrıştırması: Loess Kullanarak Mevsimsel-Eğilim AyrıştırmasıETSformer: Üstel Düzeltme Transformatörleri ile Zaman Serisi TahminlemesiYapısal Zaman Serisi Modeli (Temel Yapısal Model)Bayesian Yapısal Zaman Serileri

İlgili referans kavramlar

EM AlgoritmasıGizli Markov ModelleriTrend AnalysisVeri AsimilasyonuForecasting and Simulation: Models and ApplicationsForecasting and Simulation: Models and Applications

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — ETS Model (Error, Trend, Seasonal (ETS) Exponential Smoothing). 2026-07-20 tarihinde şu adresten erişildi: https://scholargate.app/tr/econometrics/ets-model · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Hyndman, Koehler, Ord & Snyder (state space framework)
Year
2008
Type
Exponential smoothing state space model
Components
Error (E), Trend (T), Seasonal (S)
MinSample
24
Outcome
continuous time series
İlişkili yöntemler
ARIMA (Autoregressive Integrated Moving Average) ModeliBasit ve Çift Üstel Düzeltme (SES / Holt)Holt-Winters Üçlü Üstel DüzeltmeDurum Uzay Modeli (Kalman Filtresi)Yapısal Zaman Serisi Modeli (Temel Yapısal Model)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil