Mô hình hồi quy tự động cổ điển có thể xử lý chu kỳ! Quay trở lại, Yule (1927) và Walker (1931) đã mô hình hóa tính tuần hoàn của các vết đen bằng cách sử dụng một phương trình có dạng:
yt + 1= a + b1yt+ b2yt - 1+ εt + 1
Hoạt động của vết đen mặt trời có xu hướng hoạt động theo chu kỳ 11 năm và mặc dù điều đó không rõ ràng ngay lập tức, việc bao gồm hai thuật ngữ tự động hồi quy có thể tạo ra hành vi tuần hoàn! Các mô hình hồi quy tự động hiện có mặt khắp nơi trong phân tích chuỗi thời gian hiện đại. Các US Census Bureau sử dụng một mô hình ARIMA để tính toán điều chỉnh theo mùa.
Tổng quát hơn, bạn có thể phù hợp với mô hình ARIMA bao gồm:
Nếu bạn đi sâu vào toán học , sẽ có mối quan hệ giữa các mô hình và biểu diễn ARIMA trong miền tần số với biến đổi Fourier. Bạn có thể biểu diễn quy trình chuỗi thời gian đứng yên bằng mô hình hồi quy tự động, mô hình trung bình di chuyển hoặc mật độ phổ.
Cách thực hành phía trước:
- Δ ctCt
Δ ct= nhật kýCt- đăng nhậpCt - 1
- Khi bạn có một chuỗi thời gian đứng yên, thật dễ dàng để phù hợp với mô hình AR (n) tự động hồi quy. Bạn chỉ có thể làm bình phương tối thiểu. Đối với mô hình AR (2), bạn có thể chạy hồi quy.
yt= a + b1yt - !+ b2yt - 2+ εt
Tất nhiên bạn có thể nhận được nhiều ưa thích hơn, nhưng thường những thứ đơn giản có thể làm việc tốt đáng ngạc nhiên. Có các gói được phát triển tốt để phân tích chuỗi thời gian trong R, EViews, Stata, v.v ...