SAS/ETS 사용법 1. Time Series 의 date 변수다루기 1.1 SAS 환경에서의 Date 변수 sas 에서의 date 변수는 numeric 이며기준점 (1960 년 1 월 1 일 ) 이후의 day 의수로인식한다. 1.2 DATA step에서사용되는 in

Size: px

Start display at page:

Download "SAS/ETS 사용법 1. Time Series 의 date 변수다루기 1.1 SAS 환경에서의 Date 변수 sas 에서의 date 변수는 numeric 이며기준점 (1960 년 1 월 1 일 ) 이후의 day 의수로인식한다. 1.2 DATA step에서사용되는 in"

가연 수
5 years ago
Views:

1 SAS/ETS 사용법 1. Time Series 의 date 변수다루기 1.1 SAS 환경에서의 Date 변수 sas 에서의 date 변수는 numeric 이며기준점 (1960 년 1 월 1 일 ) 이후의 day 의수로인식한다. 1.2 DATA step에서사용되는 informat 문과 format 문 TYPE FORMAT EXAMPLE INPUT/OUTPUT DATEw. 04JUL1976 both YYMMDDw both MMDDYYw. 7/4/76 both date DDMMYYw. 4/7/76 both MONYYw. JUL76 both YYQw. 76Q3 both WEEKDATEw. Monday, July4, 1976 output WORDDATEw. July 4, 1976 output TIMEw.d 23:45:23.5 both time HHMMw.d 23:45 output HOURw.d 23 output MMSSw.d 45:23.4 output TODw. 23:45:23.4 output datetime DATETIMEw. 04JUL1976:23:45:23.5 both w : 자리수 /12/27 : informat date yymmdd DEC27 : informat date yymmdd /12/27 : informat date yymmdd : informat date yymmdd8. (format 문에서는 / 만인식 ) : informat date yymmdd /27/1996 : informat date mmddyy : informat date mmddyy /12/96 : informat date ddmmyy DEC96 : informat date ddmmyy7. 예 1.1 informat 문을이용하여자료입력하기 프로그램 data full; input date x; informat date monyy. ; cards; JUN /* 기준 : 0 시 1/1/1960 => 0 */ JUL AUG SEP ; run; proc print data=full; run; - 1 -

2 결과 OBS date x 예 1.2 format 문을이용하여자료출력하기 프로그램 data form; set full; date1 = date; date2 = date; label date= "date with noformat" date1= "date with monyy. format" date2= "date with date. format"; format date1 monyy. date2 date.; run; proc print data = form label; run; 결과 date date with date with with monyy. date. OBS noformat x format format JUN82 01JUN JUL82 01JUL AUG82 01AUG SEP82 01SEP SAS 명령어이용하여기존의데이터셋에 date 변수를포함하기 - SAS Interval 함수 intck(interval, from, to) 시간변수의시작시점과종료시점을지정해주고두시점사이의간격을계산 intnx(interval, from, n) 시간변수의기준이되는시점을지정한후, 이시점보다 n 에의해지정된간격만 큼증가된시점을계산 interval : year, semiyear, qtr, month, week, weekday, day, semimonth, tenday, hour, minute, second _n_ : SAS에서사용되는키워드로서 DATA 단계가몇번이나수행되었는지를알려주는변수로서관측값의수를나타낸다. 즉 DATA 단계가처음으로수행되면 n=1이된다. 예 1.3 data 가연속적으로얻어진경우 intnx 함수이용하여시간변수생성 프로그램 data full1; input x@@; date = intnx('month', '1jun82'd, _n_-1 ); format date monyy.; cards; ; run; proc print noobs; run; - 2 -

결과 x date 2834 JUN82 2651 JUL82 2828 AUG82 2869 SEP82 예 1.

print noobs; run; 결과 x date 2834 1 2651 2 2828 3 2869 4 1.

3 결과 x date 2834 JUN JUL AUG SEP82 예 1.4 data 가불연속적으로얻어진경우일어난순서를나타내는 date 변수생성 프로그램 data full2; input x@@; date+1; cards; ; run; proc print noobs; run; 결과 x date Time Series Viewer 를이용하여기존의데이터 set 에 Date 변수생성하기 <Series Selection 대화상자 > 1 Create from Starting date and frequency 관측값만이있는자료의경우 Create from Starting date and frequency 를선택한후 Starting Date 에 1986:1 을입력하고월별자료이면 Interval 에 month 를선택한다

input yr qtr y @@; cards; 91 1 10 91 2 15 91 3 20 91 4 25 92 1 30 92 2 25 92

4 확인을클릭하면 date 변수가생성된다. 2 Create from existing variables Date 변수로년도와분기가같이입력되어있는경우예 ; data parts; input yr qtr cards; ; run; 두변수 yr과 qtr을합쳐서 date 변수를생성한다. 우선변수로 yr을선택하고 date part로 year를선택한뒤화살표를클릭한다. qtr 변수와 data part 로 qtr 을선택한후화살표를클릭한다

5 확인을클릭하면두개의변수가통합되어 date 변수로생성된다. 3 Create from existing variable/informat 4 Create from observation number 자료들이일정한간격이아닌경우관측번호로 time id 를대신할때이용된다

6 2. 그래프그리기 2.1 GPLOT 절차 PROC GPLOT DATA=input-data-set ; PLOT plot-request(s) </option(s)>; TITLEn options 'text'; 1 PLOT plot-request(s) </option(s)>; plot-request 의세가지형태 ⅰ. y-variable * x-variable <=n> y-variable y축에들어갈변수명 x-variable x축에들어갈변수명 n n번으로지정된 SYMBOL 사용 ⅱ. (y-variable(s)) * (x-variable(s)) ⅲ. y-variable * x-variable = third-variable third-variable : 각관측값들을분류하는분류변수를지정한다. 단, 문자변수이거나이산형숫자변수이어야한다. 예 ) PLOT A*B X*Y : 두개의그래프를그린다. PLOT (A B)*(X Y) : A*X A*Y B*X B*Y 의 4개의그래프를그린다. PLOT A*B=C : C 변수의값을이용하여점들을표현한다. PLOT X*Y=n : n번째 SYMBOL문에의하여정의된기호를이용하여산점도를그린다. /option(s) SAS command 설명 LEGEND=LEGENDn 산점도와함께출력될범례를지정한다. OVERLAY 산점도를겹쳐그린다. HREF or VREF = values values로지정된위치에수직보조선과수평보조선을그린다. LH(LHREF) = line type LV(LVREF) 수직보조선이나수평보조선을그리는데사용될선의종류를지정한다. = values 수평축과수직축의기준점들을지정한다. HAXIS or = date1values to VAXIS date2values by lag 축의 tick을 date1values에서 date2value까지 lag의간격으로찍어준다. = AXISn n번째의 AXIS로정의된축의모양을사용한다. NOAXIS(NOAXES) 좌표축을그리지않는다. NOLEGEND plot request의세번째에의해생기는범례를없앤다. FRAME plot을상자안에그린다

7 예 2.1 기본적인시계열그림그리기 프로그램 data fig1; /*z~n(5000,20^2) 인 100개의 data set */ do t=1 to 100; z= *rannor(1234); output; end; run; data fig1; set fig1; date=intnx('month','1jan80'd,_n_-1); format date Monyy.; run; symbol1 h=1 l=1 i=join v=none c=black; proc gplot; plot z*date=1 / frame vref=5000 ; title1 '<FIGURE 1>'; run; quit; 결과 예 2.2 두개이상의시계열그림겹쳐그리기 프로그램 data fig2; do t=1 to 100; x=0.5*t; /* 추세선 */ z=0.5*t+rannor(1234); /* 선형추세를가지는시계열 */ output; end; run; data fig2; set fig2; date=intnx('month','1jan80'd,_n_-1); format date Monyy.; run; symbol1 h=1 l=1 i=join v=none c=black; proc gplot; plot z*date=1 x*date=1 / frame overlay; title1 '<FIGURE 2>'; run; quit; 결과 - 7 -

8 2.2 SAS/GRAPH 에서사용되는옵션들 (1) SYMBOL 문 : GPLOT 절차에서기호, 선, 색상및평활방법들을정의하는데사용 SYMBOLn options; options SAS command 설명 NONE 산점도 JOIN 직선으로연결 NEEDLE 수평축과점들을바늘모양으로연결 I = options SPLINE spline법 ( 보간법 ) SPLINEP 모수적 spline법 L1(3,5) 라그랑지안법 ( 자유도 =1) Llp(3,5) 모수적라그랑지안법 ( 자유도 =1) V = symbol NONE 관측값을나타낼기호를지정 (0-9, A-Z, 특수부호의이름 ) C = symbol-color 점과연결선의색지정 CI = line-color 연결선의색지정 CV = value-color 점의색지정 H = height 출력기호의크기 ( 단위 pct, cm, in) L = line-type 연결선의종류지정 (1에서 46까지가능, 1: 실선, 2: 점선 ) WIDTH = width 연결선의굵기지정 (default=1) 관측값을표시하는기호 (2) LEGEND 문 그래프에서사용된패턴이나기호가여러가지인경우각각의의미를나타내는범례에대한사항을정의 LEGENDn options; options - 8 -

9 SAS command 설명 ACROSS=n 수평축아래나타나는범례의개수지정 DOWN=n 수직축아래나타나는범례의개수지정 FRAME 범례를상자안에출력 POSITION =<BOTTOM MIDDLE TOP> <LEFT CENTER RIGHT> 범례의위치지정 <OUTSIDE INSIDE> VALUE=(text argument(s)) 범례에기입할값지정 예 2.3 symbol 문과 legend 사용하기 프로그램 data pop; infile 'd:\pop.txt'; input pop pop=round(pop/10000); lnpop=log(pop); t+1; t2=t*t; year=1959+t; run; proc reg data=pop; model pop=t t2 / dw; output out=out2 p=predict r=residual; run; quit; symbol1 i=none v=plus h=1 l=1 c=black; symbol2 i=none v='x' h=1 l=1 c=black; proc gplot data=out2; legend1 across=2 position=(top left inside) value=('pop' 'forecast'); plot pop*year=2 predict*year=1/ frame overlay legend=legend1; run; quit; proc gplot data=out2; plot residual*year=1 / frame vref=0; run; quit; - 9 -

10 3. SAS/ETS 를구성하는 Procedure 및 Macro 3.1 ETS 를구성하는 Procedure Procedure 분석내용 ARIMA ARIMA (Box-Jenkins) and ARIMAX (Box-Tiao) modeling and forecasting AUTOREG regression analysis with autocorrelated or heteroscedastic errors and ARCH and GARCH modeling COMPUTAB spreadsheet calculations and financial report generation DATASOURCE access to financial and economic databases ENTROPY maximum entropy-based regression EXPAND time series interpolation and frequency conversion, and transformation of time series FORECAST automatic forecasting LOAN loan analysis and comparison MDC multinomial discrete choice analysis MODEL nonlinear simultaneous equations regression and nonlinear systems modeling and simulation PDLREG polynomial distributed lag regression (Almon lags) QLIM qualitative and limited dependent variable analysis SIMLIN linear systems simulation SPECTRA spectral and cross spectral analysis STATESPACE state space modeling and automated forecasting of multivariate time series SYSLIN linear simultaneous equations models TSCSREG time series cross-sectional regression analysis UCM Unobserved components analysis of time series VARMAX vector autoregressive and moving-average modeling and forecasting X11 seasonal adjustment (Census X-11 and X-11 ARIMA) X12 seasonal adjustment (Census X-12 ARIMA) 3.2 ETS에포함된 Macro ( 최근에거의이용되지않음 ) Macro 분석내용 %AR generates statements to define autoregressive error models for the MODEL procedure %BOXCOXAR investigates Box-Cox transformations useful for modeling and forecasting a time series %DFPVALUE computes probabilities for Dickey-Fuller test statistics %DFTEST performs Dickey-Fuller tests for unit roots in a time series process %LOGTEST tests to see if a log transformation is appropriate for modeling and forecasting a time series %MA generates statements to define moving average error models for the MODEL procedure %PDL generates statements to define polynomial distributed lag models for the MODEL procedure

4. 시계열예측시스템 (Time Series Forecasting System) - 다음과같은단일시리즈에대한예측모델들을제공한다. exponential smoothing models, Winters method, ARIMA(Box-Jenkins) models. - 예측모델에서 predictor variables를사용할수있다.

11 4. 시계열예측시스템 (Time Series Forecasting System) - 다음과같은단일시리즈에대한예측모델들을제공한다. exponential smoothing models, Winters method, ARIMA(Box-Jenkins) models. - 예측모델에서 predictor variables를사용할수있다. time trend curves, regressors, intervention effects(dummy variables), adjustments you specify, transfer function models. - 예측값과실제관측값, 예측오차, 신뢰구간및 ACF와 PACF를 plot으로보여준다. white noise 검정과단위근검정 (stationarity test) 을실시한다. - 2개의예측모델에대한적합도검정통계량의비교를쉽게해준다. 4.1 시계열예측시스템들어가기 : 솔루션 (S) -> 분석 (S) -> 시계열예측시스템 (F) 을이용 < 시계열예측시스템대화상자 > Project : SASUSER(library name).fmsproj(catalog name).proj(project name) Description : project에대한설명을기입한다. Data Set : 분석에이용할데이터셋을선택한다. Time ID : 시계열분석에이용할시간변수를선택한다. Interval : 관측값이입력된주기를입력한다. (1) Time ID 변수생성하기 : 1.4 절의설명참고 - data 에 time ID 가없는경우이용 1 creating a time ID value from a starting date and frequency. 프로그램 data mindex; input cards; ; run;

12 시계열예측시스템을실행시키기전에 mindex 라는 dataset 을만들어서 library 에저장한다. -> starting data 에 1986:1( 원하는날짜 : 월별자료 ) 입력 library 사용에대해알고싶은경우에는 SAS 를이용한통계자료분석 을참고할것 2 using observation numbers as the time id -> 데이터들이일정한간격이아닌경우관측번호로 time id 를대신할때이용한다. 3 creating a time ID from other dating variables 프로그램 data id_parts; input yr qtr cards; ; run; -> 위의데이터처럼시간변수들이 yr 과 qtr 로나누어진경우, 두변수를합쳐서 date 변수생성 (2) Time Series Viewer Window - 원자료와자료를변환하였을때의시계열그림과 ACF, PACF 및백색잡음검정 (white noise test), 단 위근검정 (unit root test) 등을실행한다. 시계열예측시스템대화상자의오른쪽중앙에있는단추를클릭하면 Series Selection 대화상자가나타나고 Time Series Variables 창에서원하는자료를선택하고하단의 Graph 버튼을클릭하면시계열그림을보여준다. 또는원하는자료를두번클릭하여도된다. <Time Series Viewer> 솔루션 (S) -> 분석 (S) -> 시계열뷰어 (T) 를선택해도 Series Selection 대화상자가나타난다

<Series Selection 대화상자 > Horizontal Tool Bar 기 능 자세히관측하고자하는구간을확대하여보여준다. (Zoom In) Zoom In 한구간을원래대로회복시킨다. (Zoom out) Unlink 이용시다른시계열그림을그릴때새로운윈도우창이띄운다.

13 <Series Selection 대화상자 > Horizontal Tool Bar 기 능 자세히관측하고자하는구간을확대하여보여준다. (Zoom In) Zoom In 한구간을원래대로회복시킨다. (Zoom out) Unlink 이용시다른시계열그림을그릴때새로운윈도우창이띄운다. (Link/Unlink viewer) log 변환을적용 (Log Transform) 차분을적용 (Difference) 계절차분적용. 예 ) 월별자료 => 주기 1 년 (Seasonal Difference) Time Series Viewer window 를닫는다. (Close) Vertical Tool bar 기 능 시계열그림을보여준다. 원시계열에대한 sample ACF, sample PACF, sample IACF 를보여준다. 원시계열에대한 White Noise test, Unit root test and Stationarity Test data 를표의형태로보여준다. <Time Series Viewer 대화상자에서사용되는버튼들의기능 >

(3) Series Diagnostics Windows Time Series Viewer 대화상자가활성화되어있는상태에서도구 (T) -> 시계열진단 (S) : 시계열자료가로그변환을필요로하는지? 추세성분이있는지? 계절성이있는지? 여부를진단하기위해 Automatic Series Diagnostics 단추를클릭한다.

14 (3) Series Diagnostics Windows Time Series Viewer 대화상자가활성화되어있는상태에서도구 (T) -> 시계열진단 (S) : 시계열자료가로그변환을필요로하는지? 추세성분이있는지? 계절성이있는지? 여부를진단하기위해 Automatic Series Diagnostics 단추를클릭한다. 1 log transform test : 로그변환이필요한지여부를판단해준다. 원자료와 log 변환한자료에 high order AR 모형을적합시킨뒤예측오차를이용하여구한뒤비교한다. 2 Trend test : 추세가존재하는지여부를판단해준다. Augmented DF test와 random walk with drift test를이용하여 trend가존재하는지알아본다. 존재할경우원자료를차분한다. 3 Seasonality test : 계절성이존재하는지여부를판단해준다. Seasonal dummy model with AR(1) errors 모형을적합시킨뒤, seasonal dummy estimate에대해유의성을확인한다. 유의한결과가나타난경우 AR(1) model without seasonal dummies의 AIC와비교한뒤 seasonal dummy model의 AIC가낮게나타난경우 Seasonal option에 Yes 를출력한다. 예 4.1 Index 자료를이용한시계열진단결과 로그변환이필요한지여부는확실하지않으나추세가존재하며계절성은없다고판단된다. < 시계열진단대화상자 > 4.2 Window 들에대한설명 (1) Develop Models Window 시계열예측시스템 (F) 대화상자에서 Develop Models 를선택하면다음과같은대화상자가나타난다

Set Ranges 를선택하면다음과같이 Time Ranges Specification 대화상자가나타난다.

ⅱ) Period of Evaluation : 적합시킨예측모형을평가할때이용할데이터의기간을지정한다.

ⅳ) Hold-out Sample : 적합시킨예측모형의적합성을평가하기위해남겨둘데이터의개수를지정한다.

15 Set Ranges 를선택하면다음과같이 Time Ranges Specification 대화상자가나타난다. ⅰ) Period of Fit : 예측모형을적합시킬때이용할데이터의기간을지정한다. ⅱ) Period of Evaluation : 적합시킨예측모형을평가할때이용할데이터의기간을지정한다. ⅲ) Forecast Horizon : 예측하고자하는데이터의기간을지정한다. ⅳ) Hold-out Sample : 적합시킨예측모형의적합성을평가하기위해남겨둘데이터의개수를지정한다. 모형의선택및적합 마우스를클릭하면다음과같이모형선택을위한메뉴가나타난다. 또는메뉴바에서 편집 (E) -> 모형적합 (F) 를선택하면모형적합을위한풀다운메뉴가나타난다. 원하는메뉴를선택한다

(M) 에서선택한 criterion에의해선택된결과중 Models to Keep에서결과에출력시킬모형의수를선택 2 리스트에서선택 (Fit Models From

16 1 자동적합 (Fit Models Automatically...) ⅰ) 옵션 (O) -> 모형선택리스트 (L) 에나온여러가지모형에서 Series Diagnostic Criteria를만족하는모형중에서 10개를선택해서모형을적합시킨다. ⅱ) 옵션 (O) -> 모형선택기준 (M) : 리스트중에적합한 criterion 선택 ⅲ) 옵션 (O) -> 자동적합 (F) 에서옵션 (O) -> 모형선택기준 (M) 에서선택한 criterion에의해선택된결과중 Models to Keep에서결과에출력시킬모형의수를선택 2 리스트에서선택 (Fit Models From List...) - 마우스로적합시킬모형을선택 (Ctrl 과 Shift key 이용 ) show all model : 모형선택리스트에있는모든모형을보여준다. subset by series diagnostics : 모형진단뒤에적합한모형들을보여준다. [ 참고 ] 메뉴바에서옵션 (O) -> 모형선택리스트 (L) 를선택하면적합가능한모형들이나열된다. : 모형의추가가능 3 평활모형 (Fit Smoothing Model...)

ⅰ) Smoothing Methods Smoothing Method 설명 Simple Smoothing 단순지수평활법 Double <Brown> Smoothing 이중지수평활법 ( 평활상수가하나인경우 ) Seasonal Smoothing 추세가없는 Winters Method Linear <Holt > Smoothing 이모수이중지수평활법

17 ⅰ) Smoothing Methods Smoothing Method 설명 Simple Smoothing 단순지수평활법 Double <Brown> Smoothing 이중지수평활법 ( 평활상수가하나인경우 ) Seasonal Smoothing 추세가없는 Winters Method Linear <Holt > Smoothing 이모수이중지수평활법 Damped-Trend Smoothing Winters Method-Additive 가법계절지수평활법 Winters Method-Multiplicative 승법계절지수평활법 ⅱ) Transformation : 모형적합에필요한가정을만족하도록시계열을변환한다. => Log, Logistic, Square Root, Box-Cox, or None ⅲ) Smoothing Weights : Level : 시계열의 level에해당하는평활상수값 Trend : 시계열의추세에해당하는평활상수값 Damping : damped-trend smoothing에사용되는평활상수값 Season : Winters method와 Seasonal exponential smoothing에사용되는평활상수값 ⅳ) Bounds Zero-One/Additive Zero-One Boundaries Additive Invertible Unrestricted Custom 4 ARIMA 모형 (Fit ARIMA Model...) ⅰ) ARIMA Options : ARIMA 모형에대한차수를결정해준다. ⅱ) Transformation : 모형이적합하도록시계열을변환시켜준다. => Log, Logistic, Square Root, Box-Cox, or None ⅲ) Seasonal ARIMA Options : 계절형 ARIMA 모형에대한차수를결정한다. ⅳ) Intercept : 상수항의포함여부를결정한다. 보통차분한자료의경우상수항을포함하지않는다. ⅴ) Predictors : 추가 <A> 를선택하여여러가지모형을추가할수있다. => Linear Trend Trend Curve Regressors : data set 안의다른변수를이용하여현재의 series를분석 Seasonal Dummies : seasonal indicator 변수를이용하여계절효과를분석

.. ⅲ) Seasonal Model : 계절모형을적합시킨다 Seasonal ARIMA, Seasonal Difference, Seasonal Dummy Regressors ⅳ) Error Model : Error term에대해 ARMA모형을적합시켜준다.(?) -> 자기회귀오차모형가능 ⅴ) Intercept : 상수항의포함여부를결정한다.

18 5 사용자모형 (Fit Custom Model...) ⅰ) Transformation : 모형이적합하도록시계열을변환시켜준다. Log, Logistic, Square Root, Box-Cox, or None ⅱ) Trend Model : 추세모형을적합시킨다 Linear Trend, Trend Curve, First Difference, Second Difference... ⅲ) Seasonal Model : 계절모형을적합시킨다 Seasonal ARIMA, Seasonal Difference, Seasonal Dummy Regressors ⅳ) Error Model : Error term에대해 ARMA모형을적합시켜준다.(?) -> 자기회귀오차모형가능 ⅴ) Intercept : 상수항의포함여부를결정한다. 보통차분한자료의경우상수항을포함하지않는다. 6 Factored ARIMA 모형 (T) Model Specification Window Factored ARIMA 모형창은 ARIMA 모형선택창과유사한기능을하나, AR lags (p), difference lags (d), MA algs (q) 의선택이더자유롭다는차이점이있다. 예를들어 p=(1,2,3) 와같이원하는 AR lags를지정할수있다. ARIMA 모형선택창에서는최고차수를지정하면그이하의차수항은자동적으로모형에포함되는제약점이있다. ARIMA Options: 에서 Autoregressive : p= 의 Set... 단추를클릭하면 AR Polynomial Specification 대화상자가나타나고 New 단추를선택하면 Polynomial Specification 대화상자가나타난다. 여기서원하는 Lag 들을선택하여 Add 한후 OK를클릭하면 List of Polynomials에선택한 lags 들이 (1,3) 과같이나타난다

적합시킨모형에대한결과및검정 마우스오른쪽을클릭하거나메뉴바의보기를선택하면다음과같은풀다운메뉴들이나타난다.

Time Series Viewer Window 에서의기능 ICON 기능 모형을그래프로보여준다.

Prediction error 에대한 ACF, PACF, IACF 를보여준다.

19 적합시킨모형에대한결과및검정 마우스오른쪽을클릭하거나메뉴바의보기를선택하면다음과같은풀다운메뉴들이나타난다. -> Time Series Viewer Window 로연결되어결과가나타난다. Time Series Viewer Window 에서의기능 ICON 기능 모형을그래프로보여준다. (View Model) Prediction error 를보여준다. Prediction error 에대한 ACF, PACF, IACF 를보여준다. Prediction error 에한 White Noise test, Unit root test and Stationarity Test 결과를보여준 다. 모수추정값을보여준다. 여러가지적합통계량들 (MSE, RMSE, MAPE, MAE, R-square) 을보여준다. Develop Model window 에서채택한모형에대해원자료와 보여준다. 적합모형및예측값과신뢰구간을함께 원자료및예측값들을표로나타내어준다

Develop Models 대화상자에는적합된모형들이출력되고메뉴바에여러가지 Icon 들을볼수있다.

(2) Automatic Model Fitting Window 시계열예측시스템 (F) 대화상자에서 Fit Models

ⅰ) 옵션 (O) -> 모형선택리스트 (L) 에나온여러가지모형에서 Series Diagnostic

20 Develop Models 대화상자에는적합된모형들이출력되고메뉴바에여러가지 Icon 들을볼수있다. : 도구 (T) -> 모형비교 (M) 을이용하여두개의적합모형에대한여러가지적합통계량을비교해볼수 있다. (2) Automatic Model Fitting Window 시계열예측시스템 (F) 대화상자에서 Fit Models Automatically 를선택하면다음과같은대화상자가 나타난다. ⅰ) 옵션 (O) -> 모형선택리스트 (L) 에나온여러가지모형에서 Series Diagnostic Criteria를만족하는모형중에서선택해서모형을적합시킨다. ⅱ) 옵션 (O) -> 모형선택기준 (M) : 리스트중에적합한 criterion 선택 ⅲ) 옵션 (O) -> 자동적합 (F) 에서 ⅱ) 에서선택한 criterion에의해선택된결과중 Models to Keep 에서결과에출력시킬모형의수선택

적합결과 - (Models to Keep = 2 Best models 인경우 ) 모형의적합값과원자료값을그래프로그려준다. => Time Series Viewer Window 로이동 Statistics of Fit Selection Window 에서선택한여러가지통계량을현재창에같이보여준다.

- Develop Models Window에서 forecast model로채택한모형혹은 Automatic Model Fitting Window 에서적합시킨모형에대해서예측값을생성시켜준다. 아래의 3 가지 format의형태로예측값을저장할수있다.

21 적합결과 - (Models to Keep = 2 Best models 인경우 ) 모형의적합값과원자료값을그래프로그려준다. => Time Series Viewer Window 로이동 Statistics of Fit Selection Window 에서선택한여러가지통계량을현재창에같이보여준다. 적합된여러가지모형중두가지모형씩짝을지워서통계량을비교하고자할때이용한다. (3) Produce Forecasts Window 시계열예측시스템 (F) 대화상자에서 Produce Forecasts 를선택하면다음과같은대화상자가나타난다. - Develop Models Window에서 forecast model로채택한모형혹은 Automatic Model Fitting Window 에서적합시킨모형에대해서예측값을생성시켜준다. 아래의 3 가지 format의형태로예측값을저장할수있다. ⅰ) Format Format 기능 Simple time ID variable + forecast variables [actual value forecasts] Interleaved time ID variable + the variable TYPE + forecast variable Concatenated variable series + time ID variable + (ACTUAL, PREDICT, ERROR UPPER variables) LOWER and ⅱ) Horizon : 예측하고자하는기간을적어준다

(4) Manage projects window - 현재까지작업한 project 를저장하거나저장되어있던 project 의내용을다시확인해보고자할때 사용할수있다. ⅰ) Project Name: 지금까지작업한 project 를저장할위치를지정해준다. (library name).

22 (4) Manage projects window - 현재까지작업한 project 를저장하거나저장되어있던 project 의내용을다시확인해보고자할때 사용할수있다. ⅰ) Project Name: 지금까지작업한 project 를저장할위치를지정해준다. (library name).(catalog name).(project name) -> [ 예 ]work.aaa.bbb 시계열예측시스템을닫은후, 저장된 project 를다시불러오기위해서는시계열예측시스템의화 면에서 Project 란에불러오고자하는 project 의위치 (work.aaa.bbb) 를적어주면된다

8. ARIMA 모형 (ARIMA Procedure) 8.1 ARMA(AutoRegressive Moving-Average) 모형 ARIMA 모형의기본형태 계절형 ARIMA 모형 8.2 ARIMA modeling 과정 데이터 모형의식별 (identification) 모

8. ARIMA 모형 (ARIMA Procedure) 8.1 ARMA(AutoRegressive Moving-Average) 모형 ARIMA 모형의기본형태 계절형 ARIMA 모형 8.2 ARIMA modeling 과정 데이터 모형의식별 (identification) 모형의추정 (estimation) 모형의진단 (diagnostic checking) 예 아니오