我有几个断断续续的数据。基于这些数据，我想比较几种预测方法（指数平滑法、移动平均线、Croston 和 Syntetos-Boylan），并确定 Croston 或 Syntetos Boylan 是否优于 SES 或 MA 对于间歇性数据。我想比较的度量是 Kourentzes (2014) 提出的平均绝对比率或均方比率，而不是通常的 MAPE、MSE 度量，在每个级别的 alpha$ 平滑参数，假设平滑参数用于需求间间隔Croston 和 Syntetos boylan 的需求规模相同。
我的问题是： 1. 考虑到对于每个数据，每种平滑方法的最优 alpha 值都可能不同，因此一种方法中的 alpha 值可能会最小化 MAR 或 MSR，而在其他方法中可能不会，因此对于该 alpha 值，一种方法可能比其他方法更好，而在其他方法中可能不会。如何解决这类问题？我目前的解决方案是比较两种不同方法之间每个 alpha 水平的 MAR 的两个图。我的期望是，当完成配置文件分析时，这两种不同的方法会显示出不同的特征。
- 有没有更好的解决方案，比如实验设计？我对如何设计实验感到很困惑。观察是那几个数据，水平是平滑参数α，处理是那些方法。值是 MAR。可行吗？和逻辑做什么？假设是每种治疗在每个 alpha 水平上是否存在差异。我怀疑这里是否满足线性假设。
编辑：无论如何，我认为这作为研究问题不可行。误差度量是尺度相关的（如果我对尺度相关的定义是正确的）这一事实使得对这个问题的研究非常有问题，因为没有办法比较不同的预测方法。