Sağlam Zaman Serisi Analizi
Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA) · Ayrıca şöyle bilinir: robust ARIMA, robust autoregressive model, outlier-resistant time series, Robust Zaman Serisi Analizi
Sağlam Zaman Serisi Analizi, aykırı değerler veya yapısal kırılmalar içeren serilere otoregresif, hareketli ortalama ve ARIMA modellerini uydurur; bu modellerde, birkaç anormal gözlemin uyumu bozmasını önlemek için adi en küçük kareler yerine M-tahmini veya MM-tahmini kullanılır. Bu yaklaşım, Maronna, Martin, Yohai ve Salibián-Barrera (2019) tarafından pekiştirilen sağlam istatistik geleneğini takip eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tek bir sürekli zaman seriniz olduğunda (en az yaklaşık 50 gözlem) tahmin veya öngörü için ve verilerin klasik bir AR / ARIMA uyumunu bozacak aykırı değerler, anormal sivrilmeler veya yapısal düzensizlikler içerdiğinden şüpheleniyorsanız, sağlam zaman serisi analizini kullanın. Normal dağılımlı hatalar gerektirmez. Çok kısa seriler için uygun değildir - yaklaşık 20 noktanın altında sağlam AR / ARIMA parametreleri güvenilir bir şekilde tahmin edilemez - ve gözlemlerin dörtte birinden fazlası kirlenmişse, bir M-tahmini modeli çöker ve medyan tabanlı bir filtre tercih edilir.
Güçlü yönler & sınırlılıklar
- Aykırı değerlere ve yapısal kırılmalara dirençlidir: birkaç anormal gözlem tahmin edilen dinamikleri raydan çıkarmaz.
- Normal dağılımlı hataları varsaymaz, bu nedenle ağır kuyruklu yenilikleri işler.
- MM-tahmini, yüksek kırılma noktası ile yüksek verimliliği birleştirerek, temiz verilerde çok fazla hassasiyet kaybetmeden bulaşmış veriler üzerinde güvenilir parametreler sağlar.
- Makul bir seri uzunluğu gerektirir (yaklaşık 50 gözlem); yaklaşık 20 noktanın altında sağlam AR / ARIMA parametreleri güvenilir bir şekilde tahmin edilemez.
- Aykırı değer oranı yaklaşık 0.25'i aştığında, M-tahmini kendisi çöker ve medyan tabanlı bir filtre tercih edilir.
- Klasik en küçük kareler zaman serisi modelinden daha hesaplama açısından karmaşıktır ve yorumlanması daha zordur.
SSS
Bu standart bir ARIMA modelinden nasıl farklıdır?
Model denklemi aynı AR / MA / ARIMA yapısıdır, ancak parametreler, karelenmiş artıkların toplamını en aza indirmek yerine sınırlı bir kaybı (M- veya MM-tahmini) en aza indirerek uydurulur. Bu, aykırı değerlerin ve yapısal kırılmaların etkisini sınırlar, böylece birkaç anormallik tahmin edilen dinamikleri domine edemez.
M-tahmini ile MM-tahmini arasındaki fark nedir?
M-tahmini, sınırlı bir kayıp fonksiyonu aracılığıyla büyük artıkları az ağırlıklandırır. MM-tahmini, önce yüksek bir kırılma noktası güvence altına alıp sonra verimlilik için iyileştirerek daha ileri gider, böylece temiz verilerde en küçük kareler kadar hassas kalırken önemli bir kirlilik oranını tolere edebilir.
Kaç gözleme ihtiyacım var?
Yaklaşık 50 makul bir minimumdur. Yaklaşık 20 gözlemin altında sağlam AR / ARIMA parametreleri güvenilir bir şekilde tahmin edilemez ve permütasyon tabanlı bir yaklaşım daha uygundur.
Serim ağır kirlenmişse ne olur?
Gözlemlerin dörtte birinden fazlası aykırı değer olduğunda, M-tahmini tabanlı zaman serisi modelleri çöker. Bu rejimde medyan tabanlı bir filtre, örneğin MAD tabanlı bir tahminci, daha güvenli bir seçimdir.
Kaynaklar
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/tr/statistics/robust-time-series
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kırılma Noktası Analiziİstatistik↔ karşılaştır
- Medyan Mutlak Sapma (MAD) Tahminiİstatistik↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Sağlam Doğrusal Karma Etkili Modelİstatistik↔ karşılaştır
- Sn ve Qn Sağlam Ölçek Tahminleyicileriİstatistik↔ karşılaştır