|
===================================== 〔語彙分解〕的な部分一致の検索結果は以下の通りです。 ・ 対 ： [つい] 【名詞】 1. pair 2. couple 3. set ・ 移動 ： [いどう] 1. (n,vs) (1) removal 2. migration 3. movement 4. (2) mobile (e.g., communications) ・ 動 ： [どう] 【名詞】 1. motion 2. change 3. confusion ・ 平 ： [たいら, ひら] 【名詞】 1. the broad 2. the flat 3. palm ・ 平均 ： [へいきん] 1. (n,vs) equilibrium 2. balance 3. average 4. mean ・ 比 ： [ひ] 1. (n,n-suf) (1) ratio 2. proportion 3. (2) Philippines ・ 比率 ： [ひりつ] 【名詞】 1. ratio 2. proportion 3. percentage ・ 法 ： [ほう] 1. (n,n-suf) Act (law: the X Act)
対移動平均比率法（たいいどうへいきんひりつほう、）は，過去の時系列データから，将来の数値を予測する方法の一つ。需要予測などに用いる。季節変動や曜日変動などの周期性がある場合に有効である。移動平均法の一種であり、比較的単純な方法であるが、実用的な結果を出すことが多い。竹安数博らが1997年に発表した〔佃純誠, 竹安数博, 村松健児『新しい経営工学』中央経済社, 1997, pp. 194-197。ISBN 978-4502408854.〕。 == 原理 == まず、過去のデータから各季節ごとの季節指数を求める。次に、傾向を延長し、それに季節指数を掛けて予測値を得る。 需要などの変動は、傾向変動、循環変動、季節変動、不規則変動などに分解される。 対移動平均比率法では、時系列データ A を傾向変動 (F) と季節変動 (E) の積として捉える。1周期分（例えば1年分）のデータの平均値は、季節変動を除去した値になる。平均値を取る範囲をずらしていくと滑らかな系列（移動平均）B が得られる。そして、原データ A の平均値 B に対する比（対移動平均比率）C を季節ごとに平均した値（季節別平均値）D を正規化して、季節ごとの係数である季節指数 E を知る。 また、元の時系列データ A を季節指数 E で割れば、季節変動を取り除いた滑らかな系列 F が得られる（F には循環変動と不規則変動だけが残っている）。これを回帰分析して、傾向変動（トレンド）とする（傾向推定）。将来を予測するときは、まず回帰式によって傾向値 F を延長して将来の傾向値 f を推測（外挿）し、次に各季節の季節指数 E を掛けて予測値を得る。 「季節変動」は、必ずしも1年を周期とする季節に限らず、1週を周期とする曜日（曜日変動）でもよい。（竹安ら〔竹安数博、樋口友紀「データ予測装置、データ予測プログラム」astamuse, 公開日：2006年12月07日（公開番号：2006331312号 ）。〕は、これらを総括して「期間変動」と呼んでいる。そのとき、季節指数を「期間指数」と呼ぶ。）循環の周期が一定している変動ならば、この方法が適用できる。 抄文引用元・出典: フリー百科事典『 ウィキペディア（Wikipedia）』 ■ウィキペディアで「対移動平均比率法」の詳細全文を読む スポンサード リンク
|