선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 5와 단위근 검정에 의해 정상성을 만족한다고 할 수 있다. 그래서 다변량시계열 분석에서도 로그변환과 계절차분 및 일반차분을 한 변환된 자료를 사용하도록 하겠다.
- 본 연구는 기존의 일변량 시계열 모형을 이용한 예측방법과 국제 항공 여객 수요와 국제 항공 화물 수요를 동시에 수행할 수 있는 다변량 시계열모형을 도입하여 일변량 시계열 모형과 성능을 비교 분석하고자 한다. 도출된 모형을 추정, 진단하고 실제의 항공 화물 및 여객 운송실적 자료의 각각의 예측치를 비교 분석하여 다변량 시계열 모형이 우수함을 보이고자 한다.
- 한편 서진철 (2008)은 재무시계열 자료 분석 및 예측을 위하여 공적분 모형과 벡터자기회귀모형을 사용하였고, 백승환과 김성수(2008)는 제주내륙 간 국내선 항공 수요를 선형시계열 모형을 이용하여 예측하였다. 본 연구는 기존의 일변량 시계열 모형을 이용한 예측방법과 국제 항공 여객 수요와 국제 항공 화물 수요를 동시에 수행할 수 있는 다변량 시계열모형을 도입하여 일변량 시계열 모형과 성능을 비교 분석하고자 한다. 도출된 모형을 추정, 진단하고 실제의 항공 화물 및 여객 운송실적 자료의 각각의 예측치를 비교 분석하여 다변량 시계열 모형이 우수함을 보이고자 한다.
- 본 연구에서는 기존의 예측방법인 계절형 ARIMA 모형을 소개하고, 계절형 VAR 모형의 예측도를 실제 자료를 통하여 비교해 보았다. 계절형 VAR 모형은 일변량 시계열 분석과는 달리 시계열들 사이의 관계를 분석하는데 유용하고, 시계열 사이의 관계를 추정함으로서 변수들 사이에 나타나는 동태적인 관계를 분석하여 일변량 시계열 분석방법인 계절형 ARIMA 모형보다 더 좋은 예측력을 가질 수 있었다.
- 위에서 구한 예측치와 실제 측정치를 비교하여 어느 모형이 더 잘 예측하였는지 비교해보려고 한다. 비교를 위해 사용된 통계량은 MAE와 RMSE이다.
- 일변량 시계열 모형 중 수요예측에 이용되는 분석 방법 중에서 가장 일반적이고 많이 쓰이는 Box와 Jenkins (1976)의 계절형 자기회귀 이동평균(Autoregressive Integrated Moving Average: ARIMA) 모형에 대해 알아보자. Box와 Jenkins의 계절형 ARIMA 방법론에서는 계절로 인한 비정상성을 해결하기 위해 계절 차분(seasonal differencing)의 방법을 쓴다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.