我是时间序列的新手，因此试图感受我的方式。我需要做一些分析，并可能想出一个模型。但是，我最多有 2 年的季度数据（最多 8 个数据点）。我可以根据数据构建任何有意义的模型吗？除了以时间为回归量的线性回归之外，还有什么可能的模型可以建立？
谢谢
小数据集的时间序列分析
数据挖掘
Python
时间序列
2021-09-30 21:55:21
3个回答
没有有效的答案。如果您有一个方差为 0 的平稳过程，则预测范围没有限制。
更现实地说，您有以下经验法则（完全来自经验，绝对没有理论基础）：水平预测可能是历史基础的一半。您有 8 个数据点，因此您可以预测 4 个点。你有 2 年，所以你可以预测 1 年。
关键点是：在你的预测完成后检查这个。
就时间演化模型而言，您有：
线性增长/下降。您增加/减少一个常数值（以单位、美元、...）
指数增长/下降。您增加/减少一个恒定的比率（以 % 为单位）
后勤增长/下降。您正在填补一个有限的利基市场，百分比的增加与剩余的填补比例成正比。
更高级别的模型（Bass-diffusion 模型，...），近似值（多项式，...）或自适应方法（移动平均，指数平滑，ARIMA，...）
您可以通过在线性回归上拟合数据的对数来轻松测试指数增长，但其他模型需要更复杂的技术。
我会开始使用 Python 的预言机库，您仍然可以使用 8 个数据点进行预测，准确性将取决于很多事情，尤其是点的差异。