저는 2 년 반 넘는 일일 판매 데이터가 포함 된 시계열을 연구 중입니다. 이 프로젝트의 목적은 계절성 및 추세를 고려하면서 마케팅 지출이 판매에 미치는 영향을 추정하는 것입니다.통계는 통계 패키지에서 관찰되지 않은 구성 요소에서 어떻게 계산됩니까?
Unobserved Components을 statsmodel 패키지에서 사용할 계획이었습니다. 내 질문은 외생 요인에 대한 계수가 계절성, 추세 및주기 구성 요소와 함께 추정되는지 아니면 외생 요인이 계절성, 추세 및주기를 뺀 후 잔차에 대해 추정되는지 여부입니다.
모든 것이 함께 추정됩니다. 즉, 다른 구성 요소가 처음에 개별적으로 추정 된 후 외생 매개 변수에 대한 계수가 잔차에 대해 추정되는 것은 아닙니다.
외인성 데이터 (다시, 비록 어느 쪽하지 순차적 동시에 추정 컴포넌트와 계수를 모두 가짐)에 대한 계수를 추정하기 위해 두 가지 방법이있다 :
첫째, 만약 mle_regression=True (이것이 기본값 임) 외생 변수에 대한 계수는 최대 추이 (추세, 계절 등의 분산 항을 포함하는 모델의 다른 매개 변수와 함께)를 통해 추정되고 벡터 exog.dot(coeffs)이 사용됩니다 모델의 절편으로.
mle_regression=False 인 경우 계수는 칼만 필터를 통해 추정됩니다.
큰 샘플에서이 두 가지 접근법은 동일하며 작은 샘플에서도 대개 거의 동일한 추정치를 제공합니다.