This practice can be contrasted wit

This practice can be contrasted with structural models, which are multivariate in nature, and attempt to explain changes in a variable by reference to the movements in the current or past values of other (ex- planatory) variables. Time series models are usually a-theoretical, implying that their construction and use is not based upon any underlying theo- retical model of the behaviour of a variable. Instead, time series models are an attempt to capture empirically relevant features of the observed data that may have arisen from a variety of different (but unspecified) structural models. An important class of time series models is the fam- ily of AutoRegressive Integrated Moving Average (ARIMA) models, usually associated with Box and Jenkins (1976). Time series models may be useful

Kết quả (Việt) 1:

Thực hành này có thể được tương phản với mô hình cấu trúc, mà là đa biến trong tự nhiên, và cố gắng để giải thích những thay đổi trong một biến bởi tham chiếu đến các phong trào trong các giá trị hiện tại hoặc trong quá khứ của biến (ex-planatory) khác. Thời gian loạt các mô hình thường một-lý thuyết, ngụ ý rằng xây dựng và sử dụng của họ không dựa trên bất kỳ cơ bản theo - retical mô hình của các hành vi của một biến. Thay vào đó, thời gian loạt các mô hình là một nỗ lực để nắm bắt các tính năng empirically có liên quan của các dữ liệu quan sát có thể đã phát sinh từ một số khác nhau (nhưng unspecified) mô hình cấu trúc. Một lớp học quan trọng của thời gian loạt các mô hình là nầy fam AutoRegressive tích hợp di chuyển trung bình (ARIMA) Model, thường gắn liền với hộp và Jenkins (1976). Thời gian loạt các mô hình có thể hữu ích

Kết quả (Việt) 2:

Điều này thực tế có thể được đối với mô hình cấu trúc, đó là đa biến trong tự nhiên, và cố gắng giải thích những thay đổi trong một biến bằng cách tham chiếu đến các biến động của giá trị hiện tại hay quá khứ của (planatory Thí) biến khác. Mô hình chuỗi thời gian thường là một lý thuyết, ngụ ý rằng việc xây dựng và sử dụng của họ không dựa trên bất kỳ cơ bản theo- model retical về hành vi của một biến. Thay vào đó, các mô hình chuỗi thời gian là một nỗ lực để nắm bắt các tính năng thực nghiệm có liên quan của các dữ liệu quan sát thấy rằng có thể phát sinh từ nhiều loại khác nhau (nhưng unspeci ed fi) mô hình cấu trúc. Một lớp học quan trọng của mô hình chuỗi thời gian là của gia đình của tự hồi quy tích hợp Moving Average (ARIMA) mô hình, thường liên kết với Box và Jenkins (1976). Mô hình chuỗi thời gian có thể hữu ích