Contact
Séries chronologiques et prévisions
Objectifs :
Choisir la technique en fonction de la nature de vos variables et de vos
séries.
Interpréter des tests de validation et des graphiques associés.
Effectuer des prévisions à travers les différents types
de modélisation de séries temporelles.
Module nécessaire
SPSS Statistics Base
SPSS Series
Durée :
2 jours
Pré-requis :
Data Management et Reporting 1
Statistiques exploratoires
Contenu :
- Méthode empirique d’analyse des séries
chronologiques
- Analyse de la tendance
Ajustement de fonctions
Elimination de la tendance
- Analyse de la composante saisonnière
Etude de la périodicité de la série
Définition de la périodicité
Identification de la composante saisonnière
Désaisonnalisation
- Les méthodes de prévision par lissage
Le lissage exponentiel simple
Le lissage exponentiel de Holt
Le lissage exponentiel de Winters
- Modélisation univariée
de Box et Jenkins
- Stationnarité
Fonctions d’autocorrélation
Tests sur les fonctions d’autocorrélation
Exemple d’autocorrélogrammes simples
- Processus autorégressif AR
Formulation
Caractérisation
- Processus moyenne mobile MA
Formulation
Caractérisation
- Processus ARMA
Formulation
Caractérisation
- Processus ARIMA et SARIMA
Méthodologie de Box et Jenkins
- Modèles multivariés
Etude des décalages : Les corrélations croisées
Les méthodes de régression
Les modèles autorégressifs
Prévisions
