
جدول ۴-۱۶- مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise با بررسی عوامل پیشین
RMSE | MAE | R SQURE |
۷۰۲۳٫۶۲ | ۶۶۳۱٫۲۴۳ | ۹۲٫۸ |
۴-۱۲-پیش بینی با استفاده از روش سریهای زمانی ARIMA
در این قسمت،روش سری زمانی اریما، مورد بحث قرار میگیرد و نمودارهای تابع همبستگی و تابع همبستگی جزئی مورد بررسی قرار گرفته و در نهایت مدل مورد نظر انتخاب شده و مقدارخطا و دقت پیش بینی آن مورد بررسی قرار میگیرد.
۴-۱۲-۱-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل عنوان شده در پژوهش
در این مرحله ابتدا مانایی(ایستایی) سری سنجیده میشود.برای اطمینان از مانایی سری، ازمون تعمیم یافته دیکی-فولر را خود نرم افزار اجرا میکند. اگر در سری مانایی وجود نداشته باشد آزمون را نرم افزار با یک بار مرتبه تفاضل گیری انجام میدهد.در این مرحله باید مقدار آزمون t باید کمتراز مقدار بحرانی باشد که در جدول نشان داده شده است. در مرحله بعدی نوبت به شناسایی مدل و نوع مرتبه مدل است.برای این کار از نمودارهای ACF,PACFاستفاده میشود.نمودار ها به ترتیب تابع خود همبستگی و خودهمبستگی جزیی تفاضل گیری شده را نشان میدهد.
شکل ۴-۱۲-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش
Model
Copyright © 2021 | WordPress Theme by MH Themes