Time Series Modeling Essentials

本課程介紹基礎的時間序列模型，並利用三種主要時間序列模型來分析時間序列資料，包含指數平滑模型(ESM)、ARIMAX 模型與不可觀測成分模型(UCM)。

Who should attend

Formats available	Duration
Classroom:	2.0 days
Live Web Classroom:	4 half-day session(s)
e-Learning:	14 hours/180 day

建議先修過下列課程

• 完成Statistics 1: Introduction to ANOVA, Regression,and Logistic Regression 課程或
• 具備基礎統計能力

• 何謂時間序列
• 時間序列資料整備
• 時間序列中的系統成分定義與解釋
• 時間序列變異來源分解
• 常見時間序列模型

• 白噪音，自相關與穩定態簡介
• ARMA 模型與ARIMA 模型
• 自相關過程與移動平均過程
• 模型預測與正確性評估

• ESM 簡介
• ESM 的系統成分
• 七種ESM
• 最佳ESM 選擇與預測

• UCM 簡介
• UCM 的基礎成分模型
• UCM 模型的優點
• 建構UCM 模型與模型診斷