Mam dwie serie danych dziennych. Jedna z nich to sign-ups
druga terminations
subskrypcja. Chciałbym przewidzieć ten drugi, wykorzystując informacje zawarte w obu zmiennych.
Patrząc na wykres tych serii, oczywiste jest, że zakończenia są skorelowane z wielokrotnością rejestracji sprzed miesięcy. Oznacza to, że skok liczby rejestracji w dniu 10 maja doprowadzi do wzrostu liczby wypowiedzeń w dniach 10 czerwca, 10 lipca i 10 sierpnia i tak dalej, chociaż efekt zanika.
Mam nadzieję uzyskać wskazówkę, które modele mogę zastosować do modelowania tego konkretnego problemu. Wszelkie porady będą mile widziane.
Do tej pory myślałem o modelu VAR, ale nie jestem pewien, jak uwzględnić efekt miesięczny - zastosować naprawdę dużą liczbę opóźnień lub w jakiś sposób dodać składnik sezonowy?
źródło
Modele na poziomie miesiąca
Powinieneś uchwycić miesięczne różnice w skłonności do zakończenia (powiedzmy, że rejestracje podczas świąt Bożego Narodzenia są bardziej prawdopodobne, że zakończą się niż rejestracje w kwietniu). Powiedzmy, że twoim zwykłym modelem szeregów czasowych jest:
W ten sposób twoja nowa forma funkcjonalna będzie
źródło