Translation not up to date
Tento uzel použijte k vytvoření časového příčinného modelu (TCM).
Časová příčinná příčinná souvislost se pokouší objevit klíčové příčinné vztahy v datech časových řad. V časové příčinné modelingu určujete sadu cílových řad a sadu kandidátských vstupů pro tyto cíle. Procedura pak sestaví model autogressive časové řady pro každý cíl a obsahuje pouze ty vstupy, které mají příčinný vztah k cíli. Tento přístup se liší od tradičního modelování časových řad, ve kterém je třeba explicitně určit prediktory pro cílovou řadu. Vzhledem k tomu, že modelování časové příčiny obvykle zahrnuje sestavení modelů pro více souvisejících časových řad, odkazuje se na výsledek jako na modelový systém.
V kontextu časové příčinné souvislosti se termín příčinné souvislosti označuje za kauzalitu glangerových. Časová řada X říká, že "Granger cause" další časová řada Y, pokud se regrese na Y z hlediska předchozích hodnot obou X a Y výsledků v lepší model pro Y než regresovat pouze na předchozích hodnotách Y.
Příklady
Tvůrci obchodních rozhodnutí mohou využít časové příčinné souvislosti k odhalení příčinných vztahů v rámci velké sady časově založených metrik, které popisují obchodní činnost. Analýza může odhalit několik řídicích vstupů, které mají největší dopad na klíčové indikátory výkonu.
Správci rozsáhlých informačních systémů mohou využít časové příčinné modelování k odhalení anomálií ve velké sadě vzájemně souvisejících provozních metrik. Příčinný model pak umožňuje pokračovat v odhalování anomálií a odhalovat nejpravděpodobnější základní příčiny anomálií.
Požadavky na pole
Musí existovat alespoň jeden cíl. Pole s předdefinovanou rolí None se standardně nepoužívají.
datová struktura
Časová příčinná souvislost podporuje dva typy datových struktur:
- Data založená na sloupcích
- U sloupcových dat obsahuje každé pole časové řady data pro jednu časovou řadu. Tato struktura je tradiční strukturou dat časové řady, která používá komponenta Time Series Modeler.
- Vícerozměrná data
- Pro vícerozměrná data obsahuje každé pole časové řady data pro více časových řad. Samostatná časová řada, v rámci určitého pole, jsou poté identifikována sadou hodnot kategoriálních polí odkazovaných jako pole dimenze . Např. data prodeje pro dva různé prodejní kanály (maloobchodní a webové) mohou být uložena v jednom poli
sales. Pole dimenze s názvemchannels hodnotamiretailawebidentifikuje záznamy, které jsou přidruženy ke každému z obou prodejních kanálů.
m>(L + KL + 1)m je počet datových bodů, L je počet lag a K je počet prediktorů. Ujistěte se, že datová sada je dostatečně velká, aby byl počet datových bodů (m) vyhovující podmínce.