الانحدار الذاتي المتكامل المتوسط المتحرك. سور تحديث 2016-12-05T01 50Z. In الإحصاء والاقتصاد القياسي وخاصة في تحليل السلاسل الزمنية انحدار الانحدار الذاتي المتوسط المتحرك نموذج أريما هو تعميم نموذج متحرك الانحدار الذاتي أرما نموذج كل من هذه النماذج يتم تركيبها في الوقت المناسب سلسلة إما لفهم البيانات بشكل أفضل أو التنبؤ بالنقاط المستقبلية في سلسلة التنبؤات تطبق نماذج أريما في بعض الحالات حيث تظهر البيانات أدلة على عدم وجود قطبية حيث يمكن تطبيق خطوة الاختلاف الأولية المقابلة للجزء المتكامل من النموذج لتقليل غير أكتيفاريتي 1. الجزء أر من أريما يشير إلى أن المتغير المتطور من الفائدة يتراجع على قيمه السابقة أي متخلفة يشير الجزء ما إلى أن الخطأ الانحدار هو في الواقع مزيج خطي من المصطلحات الخطأ التي حدثت قيم متزامنة وفي مختلف مرات في الماضي و I المتكاملة يشير إلى أن قيم البيانات تم استبدال مع ديف قد يكون قد تم إجراء قيم بين القيم والقيم السابقة وهذه العملية الاختلاف أكثر من مرة الغرض من كل من هذه الميزات هو جعل نموذج تناسب البيانات وكذلك ممكن. غير الموسمية نماذج أريما عادة ما يشار إلى أريما p، d، q حيث تكون المعلمتان بد و q أعدادا صحيحة غير سالبة، p هو رقم ترتيب الفترات الزمنية لنموذج الانحدار الذاتي d هو درجة اختلاف عدد المرات التي كانت فيها القيم السابقة مطروحة، و q هو ترتيب وعادة ما يشار إلى نموذج المتوسط المتحرك نماذج أريما الموسمية أريما p، d، q P، D، Q m حيث يشير m إلى عدد الفترات في كل موسم، و P كبيرة، D، Q تشير إلى الانحدار الذاتي، ومتوسط المتوسط المتحرك للجزء الموسمي من نموذج أريما 2 3. عندما يكون اثنان من المصطلحات الثلاث أصفارا، يمكن الإشارة إلى النموذج استنادا إلى المعلمة غير الصفرية، أو إسقاط أر أو I أو ما من الاختصار الذي يصف نموذج على سبيل المثال، أريما 1،0،0 هو أر 1، أريما 0،1،0 هو I 1، و أريما 0،0،1 هو ما يمكن تقدير نماذج 1.ARIMA بعد نهج مربع جنكينز. وعندما سلسلة زمنية من البيانات X ر حيث ر هو مؤشر صحيح و X t هي أرقام حقيقية، ويعطى نموذج أرما p، q بواسطة. أما بالتساوي by. where هو عامل التأخر هي معلمات الجزء الانحدار الذاتي للنموذج، هي معلمات الجزء المتوسط المتحرك والخطأ المصطلحات عادة ما يفترض أن تكون مصطلحات الخطأ مستقلة ومتغرية موزعة بالتساوي عينات من التوزيع العادي مع متوسط الصفر. الأسف الآن أن متعدد الحدود لديه جذر وحدة عامل تعدد d ثم يمكن إعادة كتابة as. An أريما p، د، q تعبر عن هذه الخاصية لعوامل متعددة الحدود مع بد وتعطى من قبل. وبالتالي يمكن اعتبارها حالة معينة من عملية أرما بد، q ذات الحدود المتعددة الانحدار الذاتي مع جذور الوحدة d ولهذا السبب، لا يوجد نموذج أريما مع d 0 واسع يمكن أن تكون المعممة أعلاه على النحو التالي. أوت أشكالها الخاصة. التمييز الصريح لعوامل التعددية ذات الحدود المتعددة للعوامل المذكورة أعلاه يمكن توسيعها لتشمل حالات أخرى، أولا أن تطبق على المتوسط المتحرك متعدد الحدود وثانيا لتشمل عوامل خاصة أخرى على سبيل المثال، وجود عامل في نموذج هي إحدى الطرق لإدراج موسمية غير ثابتة للفترات في النموذج، وهذا العامل له تأثير إعادة التعبير عن البيانات كتغييرات من الفترات السابقة وهناك مثال آخر هو العامل الذي يتضمن موسمية غير ثابتة لفترة 2 توضيح هناك حاجة لتأثير النوع الأول من العامل هو السماح لكل قيمة في الموسم بالانحراف بشكل منفصل مع مرور الوقت، في حين أن قيم النوع الثاني للمواسم المتجاورة تتحرك معا للتوضيح اللازم. يمكن أن يكون تحديد العوامل المناسبة في نموذج أريما وتحديدها عاملا مهما خطوة في النمذجة لأنها يمكن أن تسمح بتخفيض في العدد الإجمالي للمعلمات ليتم تقديرها، مع السماح بفرض على نموذج من نوع s من السلوك أن المنطق والخبرة تشير ينبغي أن يكون هناك. التمثيل في الإحصاءات يشير إلى التحول المطبق على البيانات سلسلة زمنية من أجل جعلها ثابتة لا تعتمد خصائص سلسلة الوقت ثابتة على الوقت الذي لوحظ سلسلة. في من أجل اختلاف البيانات، يتم حساب الفرق بين الملاحظات المتتالية رياضيا، ويظهر هذا على النحو. التمييز يزيل التغييرات في مستوى السلاسل الزمنية، والقضاء على الاتجاه والموسمية وبالتالي استقرار متوسط السلاسل الزمنية. في بعض الأحيان قد يكون اللازمة لاختلاف البيانات مرة ثانية للحصول على سلسلة زمنية ثابتة، والتي يشار إليها بالترتيب الثاني ديفيرنسينغ. طريقة أخرى من البيانات الفرق هو الفرق الموسمي الذي ينطوي على حساب الفرق بين الملاحظة والمراقبة المقابلة في السنة السابقة هذا هو كما هو موضح. ثم يتم استخدام البيانات المختلفة لتقدير نموذج أرما. فوريكاستس باستخدام نماذج أريما نموذج أريما يمكن أن ينظر إليه على أنه سلسلة من نموذجين الأول هو غير القياسية. يمكن إجراء التنبؤات الحالية لهذه العملية، وذلك باستخدام تعميم طريقة التنبؤ الانحدار الذاتي. الفترات الزمنية فوريكاست. توقعات فترات الثقة للتنبؤات ل تعتمد نماذج أريما على افتراضات أن البقايا غير مترابطة وتوزع عادة إذا لم يكن أي من هذه الافتراضات محتفظا بها، فإن فترات التنبؤ قد تكون غير صحيحة ولهذا السبب، يقوم الباحثون بتخطيط أسف ورسم بياني للمخلفات للتحقق من الافتراضات قبل إنتاج التنبؤات الفاصل الزمني للتوقعات، حيث هو التباين. لجميع النماذج أريما بغض النظر عن المعلمات والأوامر. في عام، والفترات المتوقعة من نماذج أريما زيادة مع زيادة الأفق التوقعات. بعض الحالات الخاصة المعروفة تنشأ بشكل طبيعي أو هي ما يعادل رياضيا لنماذج التنبؤ الشعبية الأخرى على سبيل المثال. تم إعطاء نموذج أريما 0،1،0 نموذج أو I 1 التي هي ببساطة المشي العشوائي. أنا أريما 0،1،0 مع ثابت، نظرا التي هي المشي العشوائي مع الانجراف. أنا أريما 0،0،0 نموذج هو نموذج الضوضاء البيضاء. أريما 0،1،2 نموذج هو هولت مبللة s نموذج. A أريما 0،1،1 نموذج دون ثابت هو النموذج الأساسي الأسي تمهيد 4.An أريما 0،2،2 نموذج تعطى التي تعادل طريقة هولت s الخطية مع أخطاء إضافية، أو ضعف الأسي تمهيد 4. معايير المعلومات. لتحديد ترتيب نموذج أريما غير الموسمية، معيار مفيد هو معيار المعلومات أكيك إيك مكتوب as. where L هو احتمال البيانات، p هو ترتيب جزء الانحدار الذاتي و q هو ترتيب الجزء المتوسط المتحرك تعرف المعلمة k في هذا المعيار على أنه عدد المعلمات في النموذج الذي يجري تركيبه على البيانات بالنسبة إلى إيك، إذا كان k 1 ثم c 0 وإذا كان k 0 ثم c 0. إن التصحيح إيك لنماذج أريما يمكن أن تكون مكتوبة كما. الهدف هو تقليل إيك، إيسك أو بيك القيم لنموذج جيد وانخفاض قيمة واحدة من هذه المعايير ل مجموعة من النماذج التي يجري التحقيق فيها، كلما كان النموذج أفضل تناسب البيانات وتجدر الإشارة إلى أن إيك و بيك تستخدم لأغراض مختلفة تماما في حين أن إيك يحاول تقريب النماذج نحو واقع الوضع، محاولات بيك للعثور على مثاليا يتم انتقاد نهج بيك في كثير من الأحيان لأنه لا يوجد مثاليا لبيانات معقدة واقع الحياة ومع ذلك، فإنه لا يزال وسيلة مفيدة للاختيار لأنه يعاقب نماذج أكثر كثافة لوجود المزيد من المعلمات من إيك will. AICc يمكن أن تستخدم فقط لمقارنة نماذج أريما مع نفس الأوامر من الاختلاف ل أريما مع أوامر مختلفة من الاختلاف، رمز يمكن استخدامها لمقارنة نموذج. التحديدات والإضافات. يستخدم عدد من الاختلافات على نموذج أريما عادة إذا سلاسل زمنية متعددة هي تستخدم بعد ذلك يمكن اعتبارها ناقلات ونموذج فاريما قد يكون من المناسب في بعض الأحيان ويشتبه في تأثير موسمي في النموذج في هذه الحالة، فمن الأفضل عموما لاستخدام سار إما نموذج أريما الموسمية من زيادة ترتيب أر أو ما أجزاء من النموذج إذا كان يشتبه في سلسلة زمنية لعرض التبعية بعيدة المدى ثم قد يسمح المعلمة د أن يكون لها القيم غير صحيح في الانحدار الذاتي تكامل متحرك تماما متوسط النموذج الذي يسمى أيضا كسور أريما فريما أو أرفيما model. Software Application. Various الحزم التي تطبق منهجية مثل مربع جينكينز المعلمة الأمثل المتاحة للعثور على المعلمات الصحيحة ل أريما model. EViews لديها قدرات واسعة أريما و ساريما. جوليا يحتوي على تنفيذ أريما في حزمة تيميموديلز 5.Mathematica يتضمن أريمابروسيس function. MATLAB يتضمن مربع أدوات الاقتصاد القياسي نماذج أريما والانحدار مع أخطاء أريما. NCSS يتضمن عدة إجراءات ل أريما المناسب والتنبؤ 6 7 8.Python تتضمن حزمة ستاتسموديلز نماذج لتحليل سلسلة زمنية ونيفاريت تحليل سلسلة زمنية أر، أريما ناقلات نماذج الانحدار الذاتي، فار والهيكلية فار والإحصاءات الوصفية ونماذج العملية لتحليل السلاسل الزمنية. ر حزمة R القياسية احصائيات يتضمن وظيفة أريما، والتي تم توثيقها في أريما النمذجة من سلسلة الوقت بالإضافة إلى أريما p، د، ف جزء، وتشمل وظيفة أيضا العوامل الموسمية، وهو مصطلح اعتراض ، والمتغيرات الخارجية زريغ دعا ريجريسورس الخارجية عرض مهمة كران على سلسلة الوقت هو المرجع مع العديد من الروابط حزمة التنبؤ في R يمكن تلقائيا تحديد نموذج أريما لسلسلة زمنية معينة مع وظيفة حزمة يمكن أيضا محاكاة الموسمية وغير-- الموديلات أريما الموسمية مع وظيفتها كما أن لديها وظيفة أريما، وهو المجمع ل أريما من حزمة احصائيات 9.Ruby يتم استخدام ستاتيمبل-تيمسيريز جوهرة لتحليل سلسلة زمنية، بما في ذلك نماذج أريما و كالمان تصفية. وتشمل أدوات صفي أريما والنمذجة والانحدار مع أخطاء أريما. ويشمل اس اس معالجة أريما واسعة في الاقتصاد القياسي ونظام تحليل سلسلة زمنية ساس ETS. IBM يتضمن سبس وضع أريما لينغ في الحزم الإحصائية والإحصائية النمذجة الخاصية الافتراضية إكسيرت موديلر بتقييم مجموعة من الانحدار الذاتي الموسمية وغير الموسمية p، ومتكاملة د، ومتوسط متحرك إعدادات q وسبعة نماذج الأسي التمهيد يمكن "نموذج الخبراء" أيضا تحويل البيانات سلسلة زمنية الهدف في الجذر التربيعي أو السجل الطبيعي المستخدم لديه أيضا خيار لتقييد نموذج الخبراء إلى نماذج أريما، أو يدويا إدخال أريما نونزيسونال والموسمية بد و q الإعدادات دون الخبراء نموذج التلقائي الكشف خارج متاح لسبعة أنواع من القيم المتطرفة، و سيتم استيعاب القيم المتطرفة الكشف في نموذج السلاسل الزمنية إذا تم تحديد هذه الميزة. تخطيط حزمة أبو-فس 10 في ساب إرب من ساب يسمح إنشاء وتركيب نماذج أريما باستخدام منهجية مربع جينكينز. وتشمل خدمات تحليل الملقم سكل من مايكروسوفت أريما كما تعدين البيانات algorithm. Stata يتضمن أريما النمذجة باستخدام الأمر أريما لها اعتبارا من ستاتا 9parison من الصين الطاقة الأولية يخدع سومبتيون التنبؤ باستخدام أريما نموذج الانحدار الذاتي المتكامل الانحدار و جنرال موتورز 1،1 نموذج. غم 1،1 و أريما يتم استخدام نموذج الانحدار الانحداري المتكامل الانحدار الذاتي للتنبؤ استهلاك الطاقة الأولية للصين. المخلفات المتبقية من النموذجين هي عكس. نموذج هجين من اثنين هو أفضل. الصين s استهلاك الطاقة الأولية ستزيد بمعدل نمو حوالي 4 من 2014 إلى 2020. الصين s استهلاك الطاقة الأولية يزيد بسرعة، وهو مرتبط للغاية التنمية المستدامة للصين ولها تأثير كبير على العالمية سوق الطاقة اثنين من نماذج أحادي المتغير، أريما الانحدار الذاتي نموذج متكامل متحرك و غم نموذج 1،1، وتستخدم للتنبؤ استهلاك الطاقة الأولية للصين نتائج النموذجين تتماشى مع متطلبات من خلال مقارنة، وجد أن القيم المجهزة من نموذج أريما استجابة أقل للتقلبات لأنها تحدها اتجاهها على المدى الطويل في حين أن تلك نموذج جنرال موتورز 1،1 تستجيب أكثر بسبب استخدام أحدث أربعة بيانات وبقايا النموذجين هي عكسية بالمعنى الإحصائي، وفقا ل ويلكوكسون وقعت اختبار رتبة لذلك يتم بناء نموذج هجين مع هذين النموذجين، و ميب يعني نسبة الخطأ المطلق هو أصغر من نموذج أريما و جنرال موتورز 1،1 نموذج ومن ثم، ومن المتوقع استهلاك الطاقة الأولية للصين باستخدام النماذج الثلاثة وتشير النتائج إلى أن معدل نمو استهلاك الطاقة الأولية للصين من عام 2014 إلى عام 2020 سيكون كبيرا نوعا ما، ولكن أصغر من العقد الأول من القرن الجديد. استهلاك الطاقة. نموذج أريما. المؤلف المقابل كلية الاقتصاد والإدارة، جامعة نانجينغ للملاحة الجوية والملاحة الفضائية، نانجينغ، 211106، الصين. حقوق الطبع والنشر 2016 إلزيفير المحدودة جميع الحقوق محفوظة. النمو التدريجي المتوسط المتحرك المتكامل أريما نماذج لتنبؤ الميلاد. أولا، من عبء العمل، مثل علاقة قوية مع الوقت، ونحن توظيف سلسلة زمنية على أساس خطوتين طريقة للتنبؤ حجم العمل وحدة المعالجة المركزية لكل من ف الفردية الخادم الهيسيكالي والمجموعة نحن نقدم تحسينين لزيادة دقة التنبؤ وتجنب الضوضاء 1 قبل تنفيذ خوارزمية التنبؤ على تسلسل عبء العمل، ونحن نقدم تحلل حزمة الموجة ود 4 لتقسيم تسلسل الأصلي إلى تسلسل فرعي أكثر استقرارا 2 على أساس مجموعة من تسلسل الفرعي، يتم تطبيق معدل أريما المنقح الانحدار الذاتي المتكامل المتوسط المتحرك 5 وفقا لذلك، يتم الجمع بين التنبؤ حجم العمل من خلال جميع تسلسل الفرعية. المادة فبراير 2015 مجلة الجمعية الإحصائية الأمريكية. زولين لي كويرونغ وانغ هايان لف تونغيو تم استخدام بيانات Xu. Wind من إيروس لفترة بأكملها وكان الهدف من هذا العمل للتنبؤ حقل الرياح عالية الدقة باستخدام مربع جينكينز الانحدار الذاتي المتوسط المتحرك المتكامل أريما النمذجة على أساس بيانات الرياح عالية الدقة غير ناجحة والبيانات المتعاقبة إيروس الرياح 6، 7 وغالبا ما يتم التبرع نموذج أريما غير الموسمية كما أريما p، د، ف، ص هو ترتيب المكون العدوانية لصناعة السيارات و تشي s ترتيب مكون المتوسط المتحرك المجهز بالاختلافات د-ث من السلسلة. ورقة كاملة النص ورقة المؤتمر يناير 2015 مجلة الجمعية الإحصائية الأمريكية. نموذج أريما التي ناقشها صندوق وآخرون 2008 يتكون من فئة شعبية واحدة من النماذج انظر أيضا ، أبراهام أند ليدولتر، 1983 تم تطبيق نموذج أريما للتنبؤ بمعدل الخصوبة والمشاكل المرتبطة به من قبل لي 1974، 1975، سابويا 1977، ماكدونالد 1979، 1981. عرض الملخص ملخص الملخص الملخص إن التنبؤات الدقيقة لمعدلات الخصوبة حسب العمر أمر بالغ الأهمية بالنسبة السياسة الحكومية والتخطيط وصنع القرار مع توافر قاعدة بيانات الخصوبة البشرية 2011، قارنا الدقة التجريبية للنقطة والتوقعات الفاصلة، التي تم الحصول عليها من خلال نهج هيندمان أند ولا 2007 ومتغيراته للتنبؤ بمعدلات الخصوبة حسب العمر. التي أجريت باستخدام بيانات الخصوبة الخاصة بالفئة العمرية ل 15 بلدا من البلدان المتقدمة النمو على أساس الخطوات التي تتخذ خطوة واحدة إلى 20 خطوة من خطوات التنبؤ المتوقعة، طريقة هيندمان-ول المرجح توفر النقطة الأكثر دقة والتنبؤات الفاصلة للتنبؤ بمعدلات الخصوبة العمرية المحددة، من بين جميع الأساليب التي قمنا بالتحقيق فيها. النص الكامل المادة أيلول / سبتمبر 2012. وقد طبق المؤلفون لين شانغ شانغيرال أساليب السلاسل الزمنية بأنفسهم، وذلك باستخدام (1980) و (سابويا) عام 1980 ماكدونالد، 1981، في حين أن هذه الجهود أسفرت عن بعض الأفكار حول استخدام أساليب السلاسل الزمنية في الخصوبة، وتجاهلت التنبؤات الاستفادة من استخدام أساليب المجموعات النموذجية لونغ، 1981 عرض الملخص الملخص إخفاء الملخص تعد معدلات الخصوبة الفردية الخاصة بالعمر مشكلة تنبؤية ذات أبعاد عالية نحل مشكلة الأبعاد هذه باستخدام منحنيات بارامترية لتقريب المعدلات السنوية الخاصة بالعمر ونموذج سلسلة زمنية متعددة المتغيرات للتنبؤ بمعلمات المنحنى هذه وتنبؤات منحنى الخصوبة في المستقبل، والتي تستخدم بعد ذلك لحساب معدل الخصوبة حسب العمر التنبؤات هذا يقلل من أبعاد مشكلة التنبؤ ويضمن أيضا أن التوقعات على المدى الطويل من معدلات الخصوبة العمرية محددة سوف تظهر على نحو سلس في جميع أنحاء العمر مماثلة للبيانات التاريخية يتم تحسين التوقعات على المدى القصير من خلال أيضا باستخدام تقنيات بسيطة للتنبؤ الانحرافات من المنحنيات المجهزة من المعدلات الفعلية تطبق المادة هذا النهج على بيانات الخصوبة الخاصة بالعمر بالنسبة للنساء البيض البيض في الفترة من 1921 إلى 1984. ويتم فحص التنبؤات الناتجة، ويستخدم النموذج متعدد المتغيرات للتحقيق في العلاقات المحتملة بين معلمات المنحنى المعبر عنها بالإجمالي معدل الخصوبة، متوسط عمر الإنجاب، والانحراف المعياري للسن عند الإنجاب. العلاقة القوية الوحيدة التي تم العثور عليها هي العلاقة المعاصرة بين المتوسط والانحراف المعياري للسن عند الإنجاب. إن الاختلاف في هذا النهج، بالاقتران مع الحكم الديموغرافي التقليدي، كان المستخدمة في مجموعة حديثة من التوقعات السكانية مكتب الإحصاء الولايات المتحدة نحن ديس يقتبس هذا التنفيذ ومقارنة إسقاطات مكتب التعداد مع تلك التي تنتج مباشرة من النموذج المقدم هنا. النص الكامل المادة أكتوبر 1989.Patrick A طومسون وليام R بيل جون F طويل روبرت B ميلر. وقد حاول عدد كبير من الكتاب لتحليل الوقت الديموغرافي ، وخاصة من أجل الخصوبة، مع المعونة من بوكس-جينكينز من نوع أساليب سابويا، 1974 سابويا 1977 لي، 1974 ماكدونالد، 1979 ماكدونالد 1981 دي بير، 1984 برونبورغ، 1984 الهيكل الداخلي لهذه السلسلة الزمنية يمكن عادة أن تكون على غرار كاف. إظهار الملخص الملخص الملخص التطورات السكانية لا يمكن التنبؤ بها بطبيعتها، حتى لفترة بضع سنوات ولذلك، من أجل إنتاج الأرقام الديمغرافية اللازمة، غالبا ما يستخدم مفهوم التنبؤات ولكن التنبؤات السكانية الرسمية تعتمد على النماذج الحتمية، التي لا يمكن تحديدها كميا عدم اليقين تناقش هذه الورقة طرق التعامل مع عدم اليقين في التنبؤ السكاني الحالي يتم تحديد مصادر عدم اليقين، ويناقش دور تنبؤات البديل مستقبلات بديلة أو متغيرات عدم اليقين نعالج مسألة تزايد عدم اليقين مع زيادة توقعات أفق التنبؤ أو مجرد إسقاط بعض الأفكار نظرا إلى عرض واستخدام نتائج التنبؤ السكاني كمدخلات للتخطيط الممارسة التنبؤ والتنبؤ الأخطاء في هولندا بمثابة التوضيح وأخيرا، يتم تحديد مواضيع البحث الرئيسية والأكثر بروزا هو توقعات أخطاء التنبؤ، ولا سيما الفصل بين تأثير فوريكا منهجية اللدغة وتلك الاتجاهات الديموغرافية الحالية على دقة التنبؤ. النص الكامل المادة مارس 1986.Nico كيلمان. إذا أظهرت البقايا بعض النمط المنهجي، وتكرر الإجراء بعض الأمثلة على تطبيقات نماذج أريما للخصوبة هي لي 1974، سابويا 1977 ، ماكدونالد 1979، دي بير 1992، و بيل 1992 لمعدلات الوفيات تستخدم نماذج أريما من قبل ماكنون أند روجرز 1989 و لي و كارتر 1990. عرض الملخص ملخص الملخص الملخص إن عدم اليقين من توقعات حجم وبنية عمر السكان على المستوى الوطني يعتمد على عدم اليقين من توقعات الخصوبة والوفيات والهجرة الدولية يعتمد عدم اليقين في توقعات هذه المكونات الديمغرافية الثلاثة على السؤال في الطريقة التي قد تختلف بها التنمية المستقبلية عن الماضي أو مختلفة بطريقة أخرى غير المتوقع يعتمد الجواب على الطريقة التي نتخذ بها توقعاتنا يتم اختيار المعلمات الديمغرافية المناسبة التي سيتم التنبؤ بها على أساس التحليلات الديمغرافية تهدف إلى تحديد البارامترات التي تكون مستقرة عبر الزمن أو التغيير بطريقة منهجية أو يكون لها علاقة مستقرة مع متغيرات تفسيرية مختارة التوقعات غير مؤكدة إلى درجة أنه من غير المؤكد ما إذا كانت هذه المعلمات ستبقى مستقرة في المستقبل يتم توقع المعلمات المحددة على أساس الاستقراء أو الشرح أو التوقع إذا استندت التوقعات إلى استقراء، يمكننا القول بأن المستقبل غير مؤكد لأن اتجاه الاتجاهات قد يتغير إذا كانت التوقعات مبنية على نماذج تفسيرية، فإن المستقبل غير مؤكد لأن شكل العلاقات قد يتغير أو قد تتطور المتغيرات الخارجية في اتجاه مختلف عن المتوقع، أو أن المتغيرات غير المدرجة في النموذج قد يكون لها تأثير غير متوقع في المستقبل نظرا لعدم وجود طريقة موضوعية لا لبس فيها لتقييم درجة عدم اليقين بسبب هذه المصادر فإن تقييم عدم التيقن من توقعات الخصوبة والوفيات والهجرة تعتمد اعتمادا كبيرا على الحكم و يمكن تحديد درجة عدم التيقن من التنبؤات بحجم السكان وهيكلها من خلال تحديد المتغيرات المتوقعة للخصوبة والوفيات والهجرة، على سبيل المثال المتغيرات المنخفضة أو العالية أو السيناريوهات على أساس هذه المتغيرات المتغيرات الحتمية من حجم السكان وهيكل يمكن حسابها مشكلة واحدة في استخدام المتغيرات الحتمية هو أنها لا توفر مؤشرا على احتمال أن الفترة الفاصلة بين المتغيرات أو السيناريوهات سوف تغطي القيمة الحقيقية إذا تم تحديد افتراضات حول احتمالات الفترات المتوقعة للخصوبة والوفيات والهجرة، ودرجة عدم اليقين من التنبؤات من حيث الحجم والهيكل العمري للسكان يمكن تقييمها على أساس نهج عشوائي. النص الكامل المادة مجلة الجمعية الإحصائية الأمريكية. جوب دي بير.
Comments
Post a Comment