Iranian Journal of Epidemiology

fa چگونه یک مدل مناسب برای داده‌های سری زمانی انتخاب کنیم؟ How to Choose an Appropriate Model for Time Series Data عمومى General مروری Review Article <div style="BORDER-BOTTOM: windowtext 1pt solid BORDER-LEFT: medium none PADDING-BOTTOM: 1pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm MARGIN-LEFT: 0cm BORDER-TOP: windowtext 1pt solid MARGIN-RIGHT: 87.6pt BORDER-RIGHT: medium none PADDING-TOP: 1pt mso-element: para-border-div mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt"> <p class="IJE-F-Abstract" dir="rtl" style="BORDER-BOTTOM: medium none BORDER-LEFT: medium none PADDING-BOTTOM: 0cm MARGIN: 0cm 0cm 0pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm BORDER-TOP: medium none BORDER-RIGHT: medium none PADDING-TOP: 0cm mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt mso-hyphenate: auto mso-padding-alt: 1.0pt 0cm 1.0pt 0cm">مقدمه و اهداف: سری‌های زمانی مجموعه‌ای از مشاهدات هستند که بر حسب زمان مرتب شده است. هدف اصلی در برپا کردن یک سری زمانی معمولاً پیش‌بینی مقادیر آینده می‌باشد. نخستین گام در سری‌های زمانی، رسم نمودار داده‌ها است. با استفاده از رسم نمودار می‌توان اطلاعات کلی از جمله روند صعودی یا نزولی، وجود الگوی فصلی، روند دوره‌ای و وجود داده‌های پرت در داده‌ها را تشخیص داد. پس از رسم نمودار برای این‌که پیش‌بینی مناسبی وجود داشته باشد، باید داده‌ها را ایستا کرد. می‌توان داده‌ها را با استفاده از تفاضل‌گیری یا تجزیه به مؤلفه‌های تشکیل دهنده‌ی آن، ایستا نمود. پس از ایستا کردن داده‌ها می‌توان با استفاده از نمودار نگاره مرتبه میانگین متحرک و مرتبه اتورگرسیون مدل را شناسایی نمود. لازم است پارامترها به دست آمده را با استفاده از آزمون T از نظر معنی‌داری مورد بررسی قرار داد. در صورت معنی‌دار بودن و عدم وابستگی در باقی‌مانده می‌توان پیش‌بینی مناسبی با کمک داده‌های گذشته انجام داد، هم‌چنین مقادیر پیش‌بینی شده را می‌توان با استفاده از میانگین مطلق درصد خطا ارزیابی نمود. </div> The time series is a collection of observation data that are arranged according to time. The main purpose of setting up a time series is to predict future values. The first step in time series data is graphed. Using graphs can provide general information such as uptrend or downtrend, seasonal patterns, periodic presence, and outliers in time series graphs. After graphing the data, if a good forecast is required, stationary data can be used. Differencing or decomposition methods can be used to make the data stationary. Then, a correlogram can be used to identify the order moving average and autoregressive model. The parameters of the model are examined using T-test. If the parameters are significant and the residue is independence, the predicted values can be evaluated using the mean absolute percentage error. سری‌های زمانی, شناسایی مدل, ایستا کردن, پیش‌بینی Time series, Identify the model, Stationary, Prediction 94 102 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5110&slc_lang=fa&sid=1 J Hasanzadeh جعفر حسن زاده No دانشیار گروه اپیدمیولوژی، دانشکده بهداشت و تغذیه، دانشگاه علوم پزشکی شیراز F Najafi فرید نجفی No دانشیار گروه اپیدمیولوژی، مرکز تحقیقات عوامل محیطی مؤثر بر سلامت، دانشکده‌ بهداشت، دانشگاه علوم پزشکی کرمانشاه M Moradinazar مهدی مرادی نظر m.moradinazar@gmail.com Yes دانشجوی دکترای اپیدمیولوژی، مرکز تحقیقات عوامل محیطی مؤثر بر سلامت، دانشکده‌ بهداشت، دانشگاه علوم پزشکی کرمانشاه