Box-Cox変換の例
この例では、2つの時系列分析を比較します。1つの分析ではBox-Cox変換を使用し、もう1つの分析では手動で変換した時系列を分析します。λの値がゼロであるBox-Cox変換は、対数変換です。ただし、分析にBox-Cox変換を使用すると、予測結果が元のスケールに変換されてレポートされるため、解釈が容易になります。
1. ［ヘルプ］>［サンプルデータフォルダ］を選択し、「Time Series」フォルダにある「Seriesg.jmp」を開きます。
2. ［分析］>［発展的なモデル］>［時系列分析］を選択します。
3. 「乗客数」を選択し、［Y, 時系列］をクリックします。
4. 「時間」を選択し、［X, 時間ID］をクリックします。
5. ［Box-Cox変換の使用］を選択します。
λには、デフォルト値である0を使用します。
6. ［OK］をクリックします。
7. 「時系列 Box-Cox変換した乗客数」の横にある赤い三角ボタンをクリックし、［季節ARIMA］を選択します。
8. 「季節ARIMAの指定」ウィンドウの「ARIMA」領域で、以下のパラメータを設定します。
– 「p,自己回帰次数」を「0」に設定します。
– 「d,差分の次数」を「1」に設定します。
– 「q,移動平均次数」を「1」に設定します。
9. 「季節ARIMAの指定」ウィンドウの「季節ARIMA」領域で、以下のパラメータを設定します。
– 「P,自己回帰次数」を「0」に設定します。
– 「D,差分の次数」を「1」に設定します。
– 「Q,移動平均次数」を「1」に設定します。
10. 切片なしでモデルのあてはめが実行されるように、［切片］の選択を解除します。
Figure 18.22に表示されているようなウィンドウになります。
図18.22 季節ARIMAの指定
11. ［推定］をクリックします。
図18.23 Box-Cox変換した乗客データの季節ARIMAモデル
パラメータ推定値は、「乗客数(log)」列で同じモデルのあてはめを実行して得られた推定値と同じです。ただし、Figure 18.23の予測と予測区間は元の尺度です。