Model użytkowy szeregów czasowych

Operacja modelowania szeregów czasowych umożliwia tworzenie pewnej liczby nowych zmiennych o prefiksie $TS- zgodnie z danymi w poniższej tabeli.

* Widoczność tych zmiennych (na przykład w danych wynikowych z dołączonego węzła Tabela) zależy od opcji na karcie Ustawienia modelu użytkowego Szereg czasowy. Więcej informacji można znaleźć w temacie Ustawienia modelu szeregów czasowych.

Model użytkowy Szereg czasowy prezentuje szczegóły dotyczące różnych modeli wybranych dla każdego z szeregów wprowadzanych do węzła budowy szeregu czasowego. Możliwe jest wprowadzenie więcej niż jednego szeregu (na przykład danych związanych z liniami produktów, regionami lub punktami sprzedaży), i dla każdego przewidywanego szeregu generowany jest osobny model. Na przykład, jeśli stwierdzono, że przychód dla regionu wschodniego pasuje do modelu ARIMA, zaś dla regionu zachodniego — tylko do prostej średniej ruchomej, każdy z regionów jest oceniany z użyciem odpowiedniego modelu.

Domyślne dane wynikowe przedstawiają dla każdego budowanego modelu typ modelu, liczbę wskazanych predyktorów oraz miarę dobroci dopasowania (wartością domyślną jest stacjonarne R-kwadrat). Jeśli określono metody dla wartości odstających, dostępna jest kolumna przedstawiająca liczbę wykrytych wartości odstających. Wyniki domyślne obejmują także kolumny z wartościami Q Ljunga-Boxa, stopni swobody i istotności.

Można także wybrać zaawansowane wyniki, które będą zawierać dodatkowo następujące kolumny:

• R-kwadrat
• RMSE (Root Mean Square Error — Pierwiastek z błędu średniokwadratowego)
• MAPE (Mean Absolute Percentage Error — Bezwzględny procentowy błąd średniej)
• MAE (Mean Absolute Error — Średni błąd bezwzględny)
• MaxAPE (Maximum Absolute Percentage Error — Maksymalny procentowy błąd bezwzględny)
• MaxAE (Maximum Absolute Error — Maksymalny błąd bezwzględny)
• Norm. BIC (Normalized Bayesian Information Criterion — Znormalizowane Bayesowskie kryterium informacyjne)

Utwórz. Umożliwia wygenerowanie węzła modelowania Szereg czasowy wstecz w strumieniu lub wygenerowanie modelu użytkowego na palecie.

• Utwórz węzeł modelowania. Umieszcza węzeł modelowania Szereg czasowy w strumieniu wraz z ustawieniami służącymi do utworzenia tego zestawu modeli. Może to być przydatne na przykład w sytuacji, gdy mamy strumień, w którym chcemy użyć tych ustawień modelu, ale nie mamy już węzła modelowania służącego do generowania ustawień.
• Model do palety. Umieszcza model użytkowy zawierający wszystkie zmienne przewidywane w menedżerze Modele.

Model

Pola wyboru. Można wybrać modele, które mają być używane do oceniania. Domyślnie zaznaczone są wszystkie pola. Przyciski Zaznacz wszystko i Odznacz wszystko powodują zaznaczenie/odznaczenie wszystkich pól w jednej operacji.

Sortuj według. Umożliwia sortowanie wierszy wyników w porządku rosnącym lub malejącym wg wartości wskazanej kolumny. Opcja „Wybrane” sortuje wyniki w oparciu o jeden lub więcej wierszy, dla których zaznaczono pola wyboru. Jest to użyteczne na przykład w celu wyświetlenia zmiennych przewidywanych o nazwach od „Market_1” do „Market_9” przed zmienną „Market_10”, domyślny porządek sortowania powoduje bowiem wyświetlanie wartości „Market_10” tuż po „Market_1”.

Widok. W widoku domyślnym (prostym) wyświetlany jest podstawowy zestaw kolumn wynikowych. Opcja Zaawansowane umożliwia wyświetlanie dodatkowych kolumn dla miar dobroci dopasowania.

Liczba rekordów wykorzystanych w oszacowaniu. Liczba wierszy w oryginalnym, źródłowym pliku danych.

Zmienna przewidywana. Zmienna lub zmienne identyfikowane jako zmienne przewidywane (o roli Przewidywana) w węźle Typy.

Model. Typ modelu używany dla tej zmiennej przewidywanej.

Predyktory. Liczba predyktorów (o roli Dane wejściowe) używanych dla tej zmiennej przewidywanej.

Wartości skrajne. Ta kolumna jest wyświetlana tylko, jeśli wybrano opcję automatycznego wykrywania wartości odstających (w ustawieniach automatycznego doboru modeli lub w kryteriach ARIMA). Wyświetlana wartość jest liczbą wykrytych wartości odstających.

Stacjonarność r-kwadrat. Miara porównująca stacjonarną część modelu z modelem średniej prostej. Miara ta jest używana zamiast zwykłego r-kwadrat, gdy istnieje trend lub wzorzec sezonowy. Stacjonarna miara r-kwadrat może mieć wartość ujemną z przedziałem od minus nieskończoności do 1. Wartości ujemne oznaczają, że brany pod uwagę model jest gorszy niż model bazowy. Wartości dodatnie oznaczają, że brany pod uwagę model jest lepszy niż model bazowy.

R-kwadrat. Miara dobroci dopasowania modelu liniowego, czasami nazywana współczynnikiem determinacji. Jest to część zmienności w zmiennej zależnej wyjaśniona przez model regresji. Przyjmuje wartości z przedziału od 0 do 1. Małe wartości statystyki wskazują na słabe dopasowanie modelu do danych.

PPOK. Pierwiastek z przeciętnego odchylenia kwadratowego. Pierwiastek kwadratowy obliczany z przeciętnego odchylenia kwadratowego. Mierzy, jak bardzo szereg zależny odbiega od poziomu przewidywanego przez model; miara wyrażona w jednostkach używanych przez szereg zależny.

MAPE. Bezwzględny procentowy błąd średniej. Mierzy, jak bardzo szereg zależny odbiega od poziomu przewidywanego przez model. Jest niezależny od używanych jednostek i tym samym może być używany do porównywania szeregów używających różnych jednostek.

ŚBB. Średni błąd bezwzględny. Mierzy, jak bardzo szereg odbiega od poziomu przewidywanego przez model. ŚBB jest zgłaszany w pierwotnych jednostkach szeregu.

MaksPBB. Maksymalny procentowy błąd bezwzględny. Największy prognozowany błąd, wyrażony jako procent. Miara ta jest pomocna w wyobrażaniu najgorszego możliwego scenariusza prognozy.

MaksBB. Maksymalny błąd bezwzględny. Największy prognozowany błąd, wyrażony w jednostkach używanych przez szereg. Podobnie jak w przypadku MaksPBB, błąd ten jest pomocny w wyobrażaniu najgorszego możliwego scenariusza prognozy. Maksymalny błąd bezwzględny oraz maksymalny procentowy błąd bezwzględny mogą wystąpić w różnych miejscach szeregu, np. gdy błąd bezwzględny dużego szeregu jest w niewielkim stopniu większy od błędu bezwzględnego wartości małego szeregu. W takim wypadku maksymalny błąd bezwzględny wystąpi dla wartości dużego szeregu, a maksymalny procentowy błąd bezwzględny wystąpi dla wartości małego szeregu.

Znormalizowane BKI. Znormalizowane Bayesowskie kryterium informacyjne. Ogólna miara całkowitego dopasowania modelu, która ma na celu uwzględnienie złożoności modelu. Jest to ocena oparta na średnim błędzie kwadratowym, zawierająca karę za liczbę parametrów w modelu oraz długość szeregu. Kara powoduje usunięcie przewagi modeli z większą liczbą parametrów, ułatwiając porównanie statystyki w różnych modelach tego samego szeregu.

Q. Statystyka Q Ljunga-Boxa. Test losowości błędów resztowych w danym modelu.

df. Stopnie swobody. Liczba parametrów modelu, które mogą się wahać podczas estymowania określonej zmiennej przewidywanej.

Istotność. Wartość istotności statystyki Ljunga-Boxa. Wartość istotności mniejsza od 0,05 oznacza, że błędy resztowe nie są losowe.

Statystyki podsumowujące. Ta sekcja zawiera różne statystyki podsumowujące dla różnych kolumn, w tym wartości średniej, minimum, maksimum i percentyla.