홀드백 집합을 사용한 예
이 시계열 예에서는 홀드백 집합을 사용하여 월별 납 생산 데이터에 대한 예측을 평가합니다. 홀드백 집합이 사용되므로 상태 공간 평활 모형과 ARIMA 모형을 모두 적합시키고 비교하여 데이터에 대한 최량 적합 모형을 찾을 수 있습니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Time Series/Lead Production.jmp를 엽니다.
2. 분석 > 전문 모델링 > 시계열을 선택합니다.
3. LEADPROD를 선택하고 Y, 시계열을 클릭합니다.
4. DATE를 선택하고 X, 시간 ID를 클릭합니다.
5. 홀드백에 대한 예측을 선택합니다.
이 옵션을 선택하면 미래 관측값 대신 홀드백 집합에 대한 예측이 실행됩니다.
6. "예측 주기" 옆에 "12"를 입력합니다.
이렇게 하면 데이터의 마지막 12개 관측값이 홀드백 집합에 할당됩니다. 월별 데이터이므로 이 값은 작년에 해당합니다.
7. 확인을 클릭합니다.
8. "시계열 LEADPROD"의 빨간색 삼각형을 클릭하고 상태 공간 평활을 선택합니다.
9. "주기" 옆에 "12"를 입력합니다.
10. "모수 제한"을 선택합니다.
11. 확인을 클릭합니다.
12. "시계열 LEADPROD"의 빨간색 삼각형을 클릭하고 ARIMA 모형 그룹을 선택합니다.
13. 모든 모수의 범위를 0 ~ 1로 설정합니다. "ARIMA 모형 지정" 창은 Figure 18.24에 나오는 것과 같습니다.
그림 18.24 ARIMA 모형 그룹 규격
14. 추정을 클릭합니다.
그림 18.25 모형 비교
상태 공간 평활 모형과 ARIMA 모형이 홀드백 집합에 대해 평가되므로 두 모형의 적합 통계량을 비교할 수 있습니다.
15. "모형 비교" 보고서에서 처음 세 모형 옆의 "그래프" 체크박스를 선택합니다.
그림 18.26 모형 비교 그래프
평가 통계량과 예측 그림을 보면 상위 모형 간의 예측 성능에 큰 차이가 없음을 알 수 있습니다. 보고서에 따르면 ARIMA 모형 또는 상태 공간 평활 모형이 이 데이터에 적절합니다.