Nugget de modelo Serie temporal

La operación de modelado de series temporales crea varios campos nuevos con el prefijo $TS- como se indica en la tabla siguiente.

* La visibilidad de estos campos (por ejemplo, en los resultados del nodo Tabla conectado) depende de las opciones de la pestaña Configuración del nugget de modelo Serie temporal. Consulte Configuración del modelo de serie temporal para obtener más información.

El nugget de modelo Serie temporal muestra detalles de diferentes modelos seleccionados para cada entrada de serie en el nodo de generación Serie temporal. Se pueden introducir varias series (como datos relacionados con las gamas de productos, regiones o almacenes), y se genera un modelo independiente para cada serie objetivo. Por ejemplo, si se descubre que los ingresos de la región oriental se ajustan a un modelo ARIMA, pero la región occidental se ajusta sólo a una simple media móvil, cada región se puntuará con el modelo adecuado.

Para cada modelo generado, los resultados predeterminados muestran el tipo de modelo, el número de predictores especificados y la medida de bondad de ajuste (R cuadrado estacionaria es la medida predeterminada). Si ha especificado métodos de valores atípicos, hay una columna donde aparece el número de valores atípicos detectados. Los resultados predeterminados también incluyen columnas para Q de Ljung-Box, grados de libertad y valores de significación.

También puede seleccionar el resultado avanzado, que mostrará estas otras columnas:

• R cuadrado
• RMSE (raíz del error cuadrático promedio)
• MAPE (error absoluto porcentual promedio)
• MAE (error absoluto promedio)
• MaxAPE (error absoluto máximo porcentual)
• MaxAE (error absoluto máximo)
• Norm. BIC (criterio de información bayesiano normalizado)

Generar. Le permite volver a generar un nodo de modelado Serie temporal en la ruta o un nugget de modelo en la paleta.

• Generar nodo de modelado Coloca un nodo de modelado Serie temporal en una ruta con la configuración usada para crear este conjunto de modelos. Esto resultará útil, por ejemplo, si tiene una ruta en la que desee usar esta configuración de modelo y ya no tiene el nodo de modelado que se utilizó para generarla.
• Modelo a paleta Sitúa un nugget de modelo con todos los objetivos en el gestor de modelos.

Modelo

Casillas de verificación. Seleccione los modelos que desea utilizar en la puntuación. Todas las casillas están activadas de forma predeterminada. Los botones Seleccionar todos y Anular la selección de todos afectan a todas las casillas en una única operación.

Ordenar por. Le permite ordenar las filas de resultados en orden ascendente o descendente de una columna especificada de la presentación. La opción "Seleccionado" ordena el resultado según una o más filas seleccionadas por casillas de verificación. Esto resultaría útil, por ejemplo, para forzar que los campos objetivo denominados "Mercado_1" a "Mercado_9" aparezcan antes de "Mercado_10", ya que el orden de clasificación predeterminado muestra "Mercado_10" justo después de "Mercado_1."

Vista. La vista predeterminada (simple) muestra el conjunto básico de columnas de resultados. La opción Avanzado muestra columnas adicionales para medidas de bondad de ajuste.

Número de registros utilizados en la estimación. Número de filas existentes en el archivo de datos de origen original.

Objetivo. Campo o campos identificados como campos objetivo (aquellos con un rol de Objetivo) en el nodo Tipo.

Modelo. Tipo de modelo usado para este campo objetivo.

Predictores. El número de predictores (aquellos con un rol de Entrada) utilizados para este campo objetivo.

Valores atípicos. Esta columna sólo aparece si ha solicitado (en el modelizador experto o los criterios ARIMA) la detección automática de valores atípicos. El valor mostrado es el número de valores atípicos detectados.

R cuadrado estacionaria. Una medida que compara la parte estacionaria del modelo con un modelo de promedio simple. Esta medida es preferible al R-cuadrado ordinario cuando existe tendencia o patrón estacional. R-cuadrado estacionaria puede ser negativa con un rango desde menos infinito hasta 1. Los valores negativos significan que el modelo estudiado es peor que el modelo basal. Los valores positivos significan que el modelo estudiado es mejor que el modelo basal.

R cuadrado. Medida de la bondad de ajuste de un modelo lineal; en ocasiones recibe el nombre de coeficiente de determinación. Es la proporción de la variación de la variable dependiente explicada por el modelo de regresión. Puede tomar un valor entre 0 y 1. Un valor pequeño indica que el modelo no se ajusta bien a los datos.

RMSE. Raíz de la media cuadrática de los errores (Root Mean Square Error). La raíz cuadrada de la media cuadrática de los errores. Una medida de cuánto se desvía la serie dependiente del nivel pronosticado por el modelo, expresado en las mismas unidades que la serie dependiente.

MAPE. Media del error porcentual absoluto (Mean Average Percentage Error). Medida de la desviación de la serie dependiente del nivel pronosticado por el modelo. Es independiente de las unidades utilizadas y se puede utilizar para comparar series con distintas unidades.

MAE. Media del error absoluto (Mean Absolute Error). Mide la desviación de la serie del nivel pronosticado por el modelo. El MAE se informa en las unidades originales de la serie.

MaxAPE. Error porcentual absoluto máximo (Maximum Absolute Percentage Error). Mayor error predicho, expresado como porcentaje. Esta medida es útil para imaginar el peor escenario de un caso en las predicciones.

MaxAE. Error absoluto máximo. Mayor error predicho, expresado en las mismas unidades que la variable dependiente. Al igual que el MaxAPE, es útil para imaginar el peor escenario de los casos en las predicciones. El error absoluto máximo y el error porcentual absoluto máximo pueden darse en distintos puntos de la serie. Por ejemplo, si el error absoluto de un valor de la serie grande es ligeramente mayor que el error absoluto de un valor de la serie pequeño. En ese caso el error absoluto máximo se obtendrá en el valor de la serie mayor y el error porcentual absoluto máximo corresponderá al valor de la serie menor.

BIC normalizado. Criterio de información Bayesiano normalizado (Normalized Bayesian Information Criterion). Una medida general del ajuste global del modelo que intenta tener en cuenta la complejidad del modelo. Es una medida basada en la media cuadrática de los errores que incluye una penalización para el número de parámetros presentes en el modelo y la longitud de la serie. La penalización elimina la ventaja de los modelos con mayor número de parámetros, haciendo que el estadístico sea fácil de comparar entre distintos modelos para la misma serie.

Q. Estadístico Q de Ljung-Box.. Prueba de la aleatoriedad de los errores residuales de este modelo.

gl. Grados de libertad. Número de parámetros del modelo que pueden variar al calcular un objetivo específico.

Sig. Valor de significación del estadístico de Ljung-Box. Un valor de significación inferior a 0,05 indica que los errores residuales no son aleatorios.

Estadísticos de resumen. Esta sección contiene diferentes estadísticos de resumen para las distintas columnas, incluidos los valores de la media, mínimo, máximo y los percentiles.