Chow kiểm tra hay không?

Tôi đang cố gắng thiết lập một màn hình tự động để phát hiện sự phá vỡ cấu trúc với số lượng lớn chuỗi thời gian.

Chuỗi thời gian là hàng tuần và đại diện cho hành vi của khách hàng. Tôi đã thiết lập một bài kiểm tra Chow. Tôi sử dụng 4 tuần gần đây nhất và so sánh nó với 22. trước đó. Tôi muốn biết liệu hành vi gần đây của họ có chuyển hướng đáng kể so với hành vi trước hay không.

Câu hỏi của tôi là:

Thử nghiệm Chow có phải là thử nghiệm thích hợp nhất cho câu hỏi này không?

Nếu đây không phải là thử nghiệm thích hợp nhất, làm thế nào tôi có thể xác định thử nghiệm nào là thử nghiệm phù hợp nhất?

Câu hỏi của bạn là thú vị nhất đối với tôi và đó là giải pháp chính của tôi trong nhiều năm.

Có một số cách mà "phá vỡ cấu trúc" có thể xảy ra.

Nếu có sự thay đổi trong Chặn hoặc thay đổi Xu hướng trong "phần sau của chuỗi thời gian" thì người ta sẽ phù hợp hơn để thực hiện Phát hiện can thiệp (NB đây là xác định theo kinh nghiệm về tác động đáng kể của Biến xác định không xác định như vậy dưới dạng thay đổi cấp độ hoặc thay đổi xu hướng hoặc bắt đầu của Xung theo mùa). Phát hiện can thiệp sau đó là một con trỏ trước cho Mô hình can thiệp trong đó một biến được đề xuất được đưa vào mô hình. Bạn có thể tìm thấy thông tin trên web bằng cách googling "PHÁT HIỆN GIAO DỊCH TỰ ĐỘNG". Một số tác giả sử dụng thuật ngữ "PHÁT HIỆN NGOÀI" nhưng giống như nhiều ngôn ngữ thống kê, điều này có thể gây nhầm lẫn / không chính xác. Can thiệp được phát hiện có thể là bất kỳ điều nào sau đây (phát hiện sự thay đổi đáng kể về giá trị trung bình của phần dư);

1. thay đổi cấp độ 1 lần (tức là xung)
2. thay đổi liên tục nhiều cấp độ trong Cấp độ (nghĩa là thay đổi Đánh chặn)
3. một xung có hệ thống (tức là một xung theo mùa)
4. thay đổi xu hướng (nghĩa là 1,2,3,4,5,7,9,11,13,15 .....)

Các quy trình này dễ dàng được lập trình IN R / SAS / Matlab và có sẵn thường xuyên trong một số gói chuỗi thời gian có sẵn trên thị trường, tuy nhiên, có nhiều cạm bẫy mà bạn cần cảnh giác trước như có nên phát hiện cấu trúc ngẫu nhiên trước hay không phát hiện Can thiệp vào loạt gốc. Điều này giống như vấn đề gà và trứng. Công việc ban đầu trong lĩnh vực này được giới hạn ở loại 1 và như vậy có thể sẽ không đủ cho nhu cầu của bạn.

Nếu không có hiện tượng như vậy được phát hiện thì người ta có thể xem xét CHOW TEST thường yêu cầu người dùng chỉ định trước điểm thay đổi giả thuyết. Tôi đã nghiên cứu và thực hiện các thủ tục để XÁC ĐỊNH điểm thay đổi bằng cách đánh giá các điểm giả định thay thế kịp thời để xác định điểm dừng có khả năng nhất.

Khi kết thúc, người ta cũng có thể nhạy cảm với khả năng có thể có sự thay đổi cấu trúc trong phương sai lỗi, do đó có thể che giấu CHOW TEST dẫn đến sự chấp nhận sai về giả thuyết null không có điểm dừng đáng kể trong các tham số.