This means that the annual changes

This means that the annual changes ‘∇’ in variable ‘X’ are analyzed
rather than raw data. The process whereby systematic variation within
a time series is eliminated before the examination of potential causal
relationships is referred to as ‘prewhitening’. This is subsequently
followed an inspection of the cross-correlation function in order to
estimate the association between the two prewhitened time series. It
was Box and Jenkins [12] who first proposed this particular method
for undertaking a time series analysis and it is commonly referred to
as ARIMA modeling. We used this model specification to estimate the
relationship between the time series alcoholism mortality and alcohol
consumption rates in this paper. In line with previous aggregate studies
[13-16] we estimated semi-logarithmic models with logged output. The
following model was estimated

ผลลัพธ์ (ไทย) 1:

นี้หมายความ ว่า เปลี่ยนแปลงประจำปี '∇' ใน 'X' จะวิเคราะห์ตัวแปรนอกจากข้อมูลดิบ กระบวนการโดยการปรับเปลี่ยนระบบภายในตัดชุดเวลาก่อนสอบของสาเหตุอาจเกิดขึ้นความสัมพันธ์จะเรียกว่า 'prewhitening' โดยในเวลาต่อมาตามการตรวจสอบความสัมพันธ์ระหว่างฟังก์ชันเพื่อประเมินความสัมพันธ์ระหว่างสองชุดเวลา prewhitened มันกล่องและเจงกินส์ [12] ที่เสนอวิธีนี้เฉพาะก่อนการประกอบชุดเวลา วิเคราะห์และโดยทั่วไปเรียกว่าเป็นโมเดลอา เราใช้ข้อมูลจำเพาะเกี่ยวกับรุ่นนี้ในการประเมินการความสัมพันธ์ระหว่างเวลาชุดติดตายและแอลกอฮอล์อัตราการใช้ในเอกสารนี้ โดยศึกษาการรวมก่อนหน้านี้[13-16] เราประเมินรุ่นกึ่งลอการิทึม มีผลผลิตเข้าสู่ ที่มีประเมินแบบจำลองต่อไปนี้

ผลลัพธ์ (ไทย) 2:

ซึ่งหมายความว่าการเปลี่ยนแปลงประจำปี '∇' ในตัวแปร 'X' มีการวิเคราะห์
มากกว่าข้อมูลดิบ กระบวนการเปลี่ยนแปลงภายในระบบ
อนุกรมเวลาจะถูกกำจัดออกก่อนที่จะตรวจสอบสาเหตุที่มีศักยภาพ
ความสัมพันธ์จะเรียกว่า 'prewhitening' นี้ในภายหลัง
ตามการตรวจสอบของฟังก์ชั่นข้ามความสัมพันธ์เพื่อ
ประเมินความสัมพันธ์ระหว่างสองชุดเวลา prewhitened มัน
เป็นกล่องและเจนกินส์ [12] คนแรกที่นำเสนอวิธีการนี้โดยเฉพาะอย่างยิ่ง
สำหรับการดำเนินการวิเคราะห์อนุกรมเวลาและเป็นที่เรียกกันทั่วไปว่า
การสร้างแบบจำลอง ARIMA เราใช้สเปครุ่นนี้ในการประเมิน
ความสัมพันธ์ระหว่างโรคพิษสุราเรื้อรังอนุกรมเวลาการตายและเครื่องดื่มแอลกอฮอล์
อัตราการบริโภคในบทความนี้ สอดคล้องกับการศึกษาก่อนหน้านี้รวม
[13-16] เราประมาณรุ่นกึ่งลอการิทึมกับการส่งออกเข้าสู่ระบบ
รูปแบบต่อไปนี้เป็นที่คาดกัน

ผลลัพธ์ (ไทย) 3:

ซึ่งหมายความว่าการเปลี่ยนแปลง ' ประจำปี∇ ' ตัวแปร ' x '
มากกว่าการวิเคราะห์ข้อมูลดิบ กระบวนการคิดอย่างเป็นระบบในรูปแบบอนุกรมเวลา ตกรอบก่อน

สอบความสัมพันธ์เชิงสาเหตุที่มีศักยภาพจะเรียกว่า ' prewhitening ' นี้ต่อมา
ตามการตรวจสอบฟังก์ชัน cross-correlation เพื่อ
การประเมินความสัมพันธ์ระหว่างสอง prewhitened เวลาชุด มันคือกล่องและเจนกินส์
[ 12 ] คนแรกที่เสนอนี้เฉพาะวิธี
สำหรับการดำเนินการการวิเคราะห์อนุกรมเวลาและเรียกโดยทั่วไปจะเป็นแบบจำลอง ARIMA
. เราใช้รุ่นนี้สเปคประมาณ
ความสัมพันธ์ระหว่างอนุกรมเวลา อัตราการตาย และอัตราการบริโภคสุราแอลกอฮอล์
ในกระดาษนี้สอดคล้องกับการศึกษาก่อนหน้านี้รวม
[ 14 ] เราประมาณกึ่งลอการิทึมแบบมีล็อกอินออก
ตามแบบโดยประมาณ