ग्रैंजराइज़िंग को समझना: टाइम सीरीज़ डेटा तैयार करने के लिए एक गाइड

ग्रैंजराइज़िंग समय श्रृंखला डेटा को एक स्थिर प्रक्रिया में बदलने की एक प्रक्रिया है, जिसका अर्थ है कि डेटा के सांख्यिकीय गुण समय के साथ स्थिर रहते हैं। यह डेटा से प्रवृत्ति और मौसमी घटकों को हटाकर किया जाता है, केवल उन अवशिष्ट विविधताओं को छोड़ दिया जाता है जिनका अनुमान नहीं लगाया जा सकता है।

शब्द "ग्रेंजराइजिंग" ग्रेंजर कारणता परीक्षण के नाम से आया है, जो एक सांख्यिकीय परीक्षण है जिसका उपयोग यह निर्धारित करने के लिए किया जाता है कि क्या एक बार श्रृंखला का उपयोग किसी अन्य समय श्रृंखला की भविष्यवाणी करने के लिए किया जा सकता है। ग्रेंजर कार्य-कारण परीक्षण इस विचार पर आधारित है कि यदि एक समय श्रृंखला का उपयोग दूसरी समय श्रृंखला की भविष्यवाणी करने के लिए किया जा सकता है, तो दोनों के बीच किसी प्रकार का संबंध होना चाहिए। डेटा को ग्रेंजराइज़ करके, हम अनिवार्य रूप से समय श्रृंखला के बीच मौजूद किसी भी रिश्ते को हटा रहे हैं और भविष्यवाणी करना अधिक कठिन बना रहे हैं।

समय श्रृंखला डेटा को ग्रेंजराइज़ करने के लिए कई तरीके हैं, जिनमें शामिल हैं:

1. डिट्रेंडिंग: इसमें एक रैखिक या लॉगरिदमिक प्रवृत्ति रेखा को फिट करके डेटा से समग्र प्रवृत्ति को हटाना और फिर इसे मूल डेटा से घटाना शामिल है।
2। मौसमी अपघटन: इसमें डेटा को उसके घटक भागों, जैसे मौसमी पैटर्न, में तोड़ना और उन्हें डेटा से हटाना शामिल है।
3. अंतर करना: इसमें समय श्रृंखला में लगातार टिप्पणियों के बीच अंतर लेना शामिल है, जो डेटा में मौजूद किसी भी रुझान या मौसमी को हटाने में मदद कर सकता है।
4। ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (एआरआईएमए) मॉडलिंग: इसमें डेटा के लिए एक सांख्यिकीय मॉडल फिट करना शामिल है जिसमें प्रवृत्ति, मौसमी और यादृच्छिक भिन्नता के घटक शामिल हैं। इसके बाद मॉडल का उपयोग डेटा से इन घटकों को हटाने के लिए किया जा सकता है, केवल अवशिष्ट विविधताएं छोड़कर। विश्लेषण के परिणाम.