定常性と差分

多くの予測モデルは、系列が時間を通じて一貫した振る舞いをすると仮定します。この性質には定常性という名前があります。🎯

定常な系列では、平均とばらつきが時間の経過によって変化しません。統計的な性質が一定に保たれます。

上昇トレンドがあると平均が上がり続けるため、その系列は非定常です。多くのモデルは、これを対処するまでうまく機能しません。

繰り返す季節性の変動があると、平均が周期的に上下します。この変化するパターンも非定常とみなされます。

推測する必要はありません。ADF検定で定常性を調べ、読み取れるp値を得られます。

ADFのp値が0.05未満なら、系列は定常である可能性が高いです。それを上回る場合は、まだ取り除くべきトレンドが残っていると考えられます。

差分を取ると、各値が直前の時点からどれだけ変化したかに置き換わります。この単純な処理で、トレンドが消えることがよくあります。

水準ではなく変化を見ると、一定の上昇は0を中心に揺れる平坦な線に変わります。これは定常的な状態です。

一番最初の行には引き算する値がないため、diffはそこをNaNにします。検定やモデル作成の前に削除してください。

1回では不十分な場合は、結果に2回目の差分を取ります。この回数がARIMAにおけるd項になります。

1年周期を取り除くには、12時点前の値を引きます。この季節差分は、繰り返しパターンを直接対象にします。

ADFで定常性を検定し、モデル作成の前に差分を使ってトレンドや周期を取り除く方法を学びました。