since the seasonal AR and MA parame

since the seasonal AR and MA parameters were considered
in the SARIMA model. Prior to running of the regression analysis, variance inflation factor
(VIF) is used as a diagnostic tool to examine the impact of multi-collinearity in this
MLR model. The variance inflation factors greater than 5 were used to identify problematic
relationships among variables. As a result, the vari- ables representing relative humidity
and temperature were excluded from the MLR model. The selected variables with their notations
and units are listed in Table 2. The results of the MLR model shows that a total of nine
variables-predicted sales using SARIMA, Easter, before holiday, May, June, December,
discounted sales, promotion, and sunshine duration-were found to be sig- nificant at 5% level.
The independent variables such as Austrian holiday, March and snow depth were found
significant at 10% level. The adjusted coefficient of determination (adjusted R2) is
0.62. The results of the regression analysis are presented in
Table 3. The intercept of this model can be interpreted as the estimated function of the
daily sales of banana during January (neither Christmas nor Easter), not before holidays, not
before Austrian holidays, not after holidays and with mean percentage of promotion, mean discount
sales, mean precipitation, mean sunshine duration, mean fresh snow depth, and mean snow depth
(Koenker and Hallock, 2001). The variables representing predicted sales using SARIMA, Easter,
before holiday, March, May, June, discounted sales, promotion, and snow depth have positive effect
on the sales of banana, while the variables representing Austrian holidays, December, and sunshine
duration have negative effect. The decrease in the sales of banana during Austrian holidays may be
due to the absence of Austrian customers during their holidays. The MAPE and RMSE of this SARIMAX
model for out-sample data set are 24.18 and 19.14, shows that the SARIMAX model outper-
forms SARIMA model.

ผลลัพธ์ (ไทย) 1:

เนื่องจากพิจารณาว่าพารามิเตอร์ AR และ MA ตามฤดูกาลในรูปแบบสมถวิล ก่อนที่จะรันการวิเคราะห์การถดถอย ต่าง inflation ปัจจัย (VIF) ใช้เป็นเครื่องมือวินิจฉัยการตรวจสอบผลกระทบของหลายในที่นี้ รูปแบบ MLR ปัจจัย inflation ผลต่างมากกว่า 5 ใช้ในการระบุปัญหา ความสัมพันธ์ระหว่างตัวแปร เป็นผล ส่องสว่างภาพแสดงความชื้นสัมพัทธ์ และอุณหภูมิถูกแยกออกจากแบบ MLR ตัวแปรที่เลือกกับข้อความของพวกเขา และหน่วยที่แสดงไว้ในตารางที่ 2 ผลของรูปแบบ MLR แสดงให้เห็นว่าจำนวนเก้า ขายที่คาดการณ์ตัวแปรใช้ทิพย อีสเตอร์ ก่อนวันหยุด พฤษภาคม มิถุนายน ธันวาคม ลดราคาขาย โปรโมชั่น และระยะเวลาที่ซันไชน์-พบว่า sig-nificant ที่ระดับ 5% พบว่าตัวแปรอิสระเช่นออสเตรียฮอลิเดย์ มีนาคมและความลึกของหิมะ งมากในระดับ 10% Coefficient ปรับปรุงการกำหนด (ปรับปรุง R2) คือ0.62.ผลของการวิเคราะห์การถดถอยที่ถูกนำเสนอในตารางที่ 3 ตัดรุ่นนี้สามารถตีความเป็นการทำงานโดยประมาณของการ ยอดขายรายวันของกล้วยในช่วงมกราคม (ทั้งคริสต์มาสและอีสเตอร์), ก่อนวันหยุด ไม่ได้ ก่อนวันหยุดออสเตรีย ไม่หลัง จากวันหยุด และ มีเปอร์เซ็นต์เฉลี่ยของโปรโมชั่น หมายถึง ส่วนลด ขาย ฝนหมายถึง หมายถึง ระยะเวลาที่ซันไชน์ หมายถึง ความลึกของหิมะ และหมายถึง ความลึกของหิมะ (Koenker และ Hallock, 2001) ตัวแปรที่เป็นตัวแทนขายที่คาดการณ์โดยใช้ทิพย อีสเตอร์ ก่อนวันหยุด มีนาคม อาจ มิถุนายน ขายลดราคา โปรโมชั่น และความลึกของหิมะได้ผลดี ขายกล้วย ในขณะที่ตัวแปรที่เป็นตัวแทนวันหยุดออสเตรีย ธันวาคม และแสงแดด ระยะเวลามีผลเชิงลบ อาจจะลดลงในการขายของกล้วยในช่วงวันหยุดที่ออสเตรีย เนื่องจากขาดลูกค้าออสเตรียในช่วงวันหยุดของพวกเขา MAPE และ RMSE ของ SARIMAX นี้ แบบจำลองสำหรับตัวอย่างชุดข้อมูลออก 24.18 และ 19.14 แสดงให้เห็นว่าการ SARIMAX รุ่น outper -รูปแบบฟอร์มสมถวิล

ผลลัพธ์ (ไทย) 2:

ตั้งแต่ฤดูกาล AR และแมสซาชูเซตพารามิเตอร์ได้รับการพิจารณา
ในรูปแบบ SARIMA ก่อนที่จะมีการทำงานของการวิเคราะห์การถดถอยแปรปรวนในฟลอริด้า ation ปัจจัย
(VIF) ใช้เป็นเครื่องมือในการวินิจฉัยเพื่อตรวจสอบผลกระทบของหลาย collinearity ในนี้
รูปแบบอัตราดอกเบี้ย MLR ความแปรปรวนในปัจจัย ation FL มากกว่า 5 ถูกนำมาใช้ในการระบุปัญหา
ความสัมพันธ์ระหว่างตัวแปร เป็นผลให้ตัวแปรที่เป็นตัวแทนของความชื้นสัมพัทธ์
และอุณหภูมิได้รับการยกเว้นจากรูปแบบการคิดอัตราดอกเบี้ย MLR ตัวแปรที่เลือกด้วยสัญลักษณ์ของพวกเขา
และหน่วยงานมีการระบุไว้ในตารางที่ 2 ผลของรูปแบบการแสดงให้เห็นว่าอัตราดอกเบี้ย MLR ทั้งหมดเก้า
ยอดขายตัวแปรคาดการณ์โดยใช้ SARIMA อีสเตอร์ก่อนวันหยุด, พฤษภาคม, มิถุนายน, ธันวาคม
ยอดขายลดราคาโปรโมชั่นและ ระยะเวลา-ถูกแสงแดดพบว่าเป็นลายเซ็นลาดเท Fi พรรณีที่ระดับ 5%.
ตัวแปรอิสระเช่นวันหยุดออสเตรียมีนาคมและความลึกหิมะถูกพบ
ลาดเทมีนัยสำคัญที่ระดับ 10% ปรับประสิทธิภาพ COEF Fi ของการตัดสินใจ (ปรับ R2) เป็น
0.62 ผลที่ได้จากการวิเคราะห์การถดถอยจะถูกนำเสนอใน
ตารางที่ 3. การสกัดกั้นของรุ่นนี้สามารถตีความได้ว่าฟังก์ชั่นการประมาณการของ
ยอดขายรายวันของกล้วยในช่วงเดือนมกราคม (ค่ามิได้คริสต์มาสอีสเตอร์) ไม่ก่อนวันหยุดไม่
ก่อนวันหยุดออสเตรียไม่ได้หลังจาก วันหยุดและร้อยละเฉลี่ยของโปรโมชั่นส่วนลดพิเศษหมายถึง
ยอดขายเฉลี่ยฝนหมายถึงระยะเวลาแสงแดดความลึกเฉลี่ยหิมะสดใหม่และความลึกเฉลี่ยหิมะ
(Koenker และฮอลล็อค, 2001) ตัวแปรที่เป็นตัวแทนการขายที่คาดการณ์โดยใช้ SARIMA อีสเตอร์
ก่อนวันหยุดเดือนมีนาคม, พฤษภาคม, มิถุนายน, การขายลดราคาโปรโมชั่นและความลึกหิมะมีผลกระทบในเชิงบวก
เกี่ยวกับการขายของกล้วยในขณะที่ตัวแปรที่เป็นตัวแทนของวันหยุดออสเตรียธันวาคมและแสงแดด
ระยะเวลาที่มีเชิงลบ ผล การลดลงในการขายของกล้วยในช่วงวันหยุดออสเตรียอาจจะ
เกิดจากการขาดหายไปของลูกค้าออสเตรียในช่วงวันหยุดของพวกเขา MAPE และค่า RMSE SARIMAX นี้
แบบจำลองสำหรับชุดข้อมูลออกตัวอย่าง 24.18 และ 19.14 แสดงให้เห็นว่ารูปแบบ SARIMAX outper-
รูปแบบรูปแบบ SARIMA

ผลลัพธ์ (ไทย) 3:

ตั้งแต่ฤดูกาล AR และมาทำการพิจารณาใน sarima นางแบบ ก่อนที่จะใช้ในการวิเคราะห์ความแปรปรวนในflรับปัจจัย( VIF ) ใช้เป็นเครื่องมือในการวินิจฉัยเพื่อตรวจสอบผลกระทบของหลาย collinearity ในนี้แบบจำลองอัตราดอกเบี้ย MLR ความแปรปรวนในตัวแปร ation flมากกว่า 5 ถูกใช้เพื่อระบุปัญหาความสัมพันธ์ระหว่างตัวแปร ผลคือ วารี - บิลแสดงความชื้นสัมพัทธ์และอุณหภูมิที่ถูกแยกออกจากการขายแบบ ตัวแปรคัดสรรที่มีสัญลักษณ์ของพวกเขาและหน่วยแสดงไว้ในตารางที่ 2 ผลลัพธ์ที่ได้จากแบบจำลองพบว่าเบื้องต้นมีทั้งหมดเก้าปัจจัยทำนายการใช้ sarima , อีสเตอร์ , ก่อนวันหยุด , พฤษภาคม , มิถุนายน , ธันวาคมส่วนลดการขาย การส่งเสริมการขายและระยะเวลาที่ซันไชน์ พบเป็น Sig - ฉันจึงไม่สามารถที่ระดับ 5%ตัวแปรอิสระ เช่น ออสเตรียวันหยุด , มีนาคม และความลึกของหิมะ ) พบว่าsigni จึงไม่สามารถอยู่ในระดับ 10% ปรับ coef จึง cient กำหนด ( ปรับ R2 ) คือ1 . ผลของการวิเคราะห์การถดถอยจะแสดงในตารางที่ 3 การตัดของรุ่นนี้สามารถตีความเป็นประมาณฟังก์ชันของยอดขายรายวันของกล้วยในช่วงเดือนมกราคม ไม่ว่าจะเป็นคริสต์มาสหรืออีสเตอร์ ) ไม่ก่อนวันหยุดไม่ได้ก่อนที่ออสเตรียวันหยุดหลังจากวันหยุดและค่าเฉลี่ยร้อยละของการส่งเสริมการขาย หมายถึง ส่วนลดการขาย หมายถึง การตกตะกอน หมายถึงระยะเวลาที่ซันไชน์ หมายถึงความลึกของหิมะสดและหมายถึงความลึกของหิมะ( และ koenker Hallock , 2001 ) แทนการใช้ตัวแปรทำนาย sarima เทศกาลอีสเตอร์ก่อนวันหยุด , มีนาคม , พฤษภาคม , มิถุนายน , ลดราคาขาย โปรโมชั่น และความลึกของหิมะได้ผลในเชิงบวกในการขายกล้วย ในขณะที่ตัวแปรที่เป็นตัวแทนของออสเตรียวันหยุด ธันวาคม และ แสงแดดระยะเวลามีผลเชิงลบ ลดลงในการขายกล้วยในช่วงวันหยุดอาจเป็นชาวออสเตรียเนื่องจากการขาดของลูกค้าของออสเตรียในช่วงวันหยุดของพวกเขา ค่า MAPE RMSE ของ sarimax นี้และตัวอย่างชุดข้อมูลเป็นรูปแบบออก และ 19.14 24.18 , แสดงให้เห็นว่า sarimax outper - รุ่นรูปแบบ sarima นางแบบ