시계열(이동평균법~ 평활법)

목차

1. 데이터 불러오기
2. 단순지수 평활법 (simple exponential smoothing method)
3. 이동평균법
4. 이동평균
5. 중심화 이동평균
6. 개별성분의 분해
7. 가법적모형에서의 분해
8. 승법적 모형에서의 분해

본문내용

<데이터 불러오기>

employ 데이터는 월별로 2005년 1월부터 2018년 2월까지의 한국의 실업률은 나타내는 데이터이다.

ts() 함수를 이용하여 emply데이터를 시계열 객체로 만든다.
또한 시계열도를 통해 추세성과 계절성을 파악한다.

추세성이 크게 나타나지 않으므로 수평적계열이라고 할 수 있다.
매월 초에 증가하고 점점 줄어드는 계절성이 나타나고 불규칙적인 변동이 나타나므로 승법적 계절변동이 있는 모형이라고 할 수 있다. 따라서 단순이동평균법 또는 단순지수평활법을 사용하여 불규칙변동을 평활해서 시계열의 미래의 값을 예측한다.

<단순지수 평활법 (simple exponential smoothing method)>

h=12단계시점까지 예측을 한다.
simple=단순지수의 초깃값을 사용자가 직접 지정하는 방식
optimal=단순지수의 초깃값이 자동으로 지정되는 방식
alpha: 평활상수값, 가중값의 역할을 한다.

참고 자료

없음