ARIMA

差分を取ってから ARMA を当てるモデルです。右肩上がり・右肩下がりのトレンドがあるデータに使います。

入出力

ポート	内容
入力データ	データ
出力データ	データ
エラー情報	データ

Spark エンジンでは動きません。

入力の行はそのままでは残りません。 出力は実測値と予測値を縦に並べた別の表になります。

出力の形

出力は次の 4 列です。グループごとにモデルを作成するを使ったときは、グループの列がいちばん右に付きます。

列名	内容
`カテゴリ`	`実測` / `過去データ検証` / `予測`
`予測対象`	予測した列の名前
日付列と同じ名前の列	日付
`値`	実測値または予測値

形も意味も AR と同じです。カテゴリ の 3 つの値の意味は AR で説明しています。

差分を取っても、出力の値は元のスケールに戻してあります。 差分のままの値は出ません。

2 つ目の エラー情報 には エラーメッセージ の列が入ります。エラーが 1 つも起きなかったときは、全てのグループで正常に終了しました という 1 行だけが入ります。

設定項目

予測対象列を選択必須: 予測したい値の列。数値の列だけ選べます。複数選べます。
日付列を選択必須: 時間の軸。日付・日付時間・時間の列だけ選べます。
自己回帰パラメータ（p）必須: モデルの設定の下に出ます。何期前までの値を使うか。既定は 1。
差分の回数（d）必須: 何回差分を取るか。既定は 1。
移動平均パラメータ（q）必須: 何期前までの予測のずれを使うか。既定は 3。
予測期間の設定必須: 何期先まで予測するか。既定は 3。1 期の長さは、日付列の間隔そのものです。

オプション

グループごとにモデルを作成する: on にするとグルーピングする列を選択が出て、店舗ごと・商品ごとに別々のモデルを作ります。
エラーを無視する: on にすると、失敗したグループ・失敗した予測対象列を飛ばして続けます。

入力データの前提

1 時点 1 行で、日付が連続している必要があります。前提と直し方は AR と同じです。入力の行順は問いません。 中で日付の昇順に並べ替えてから計算します。

差分の回数（d）

差分とは「前の期との差」 です。右肩上がりのデータでも、差分を取れば水平に近づきます。

d	使いどころ
0	トレンドがない（ARMA と同じ）
1	直線的なトレンドがある（既定）
2	トレンド自体が変化している

まず 1 で試してください。 大きくしすぎると予測がぶれます。

p・d・q の効き方

3 つは出力への効き方が違います。

設定項目	出力への効き方
`p`	行数は変わりません。大きくすると「ARの係数が定常的でない」で止まりやすくなります
`d`	行数は変わりません。出力の `値` は元のスケールに戻してあるので、差分のままの値は出ません
`q`	`過去データ検証` の行数が `実測の行数 − q` になります。先頭から q 行分、当てはめ値が出ません

q を大きくすると、当てはまりを確かめられる行が減ります。 24 か月のデータなら次のようになります。

q	実測	過去データ検証	予測（予測期間 3）
1	24 行	23 行	3 行
3（既定）	24 行	21 行	3 行
12	24 行	12 行	3 行
24	24 行	0 行	3 行

決め方の手順 — ①d は 1 から始める → ②自己相関と偏自己相関を求めるで p q の候補を出す → ③その組で流す → ④出力を折れ線グラフに入れ、実測 と 過去データ検証 のずれを見る → ⑤「ARの係数が定常的でない」で止まったら d を 1 増やすか p を減らす。

エラーと対処

「エラーを無視する」を on にすると、途中で止まらずに済みます。 失敗した分は出力から抜け、理由が エラー情報 に入ります。ただしひとつも作れなかったときは「全てのグループでモデル作成に失敗しました」で止まります。

日付列に欠損値がある

処理対象列に欠損値が含まれています。欠損値を除外するか補完してください。

直し方 — 日付が空の行を欠損値処理で落としてください。

予測対象列に欠損値がある

処理対象列に欠損値が含まれています。欠損値を除外するか補完してください。

日付列でも予測対象列でも、画面に出る文面は同じです。 どちらの列が原因かはメッセージからは分かりません。

直し方 — 時系列に沿った欠損値処理で埋めてください。

予測対象列に数値以外がある

処理対象列に数値型以外のデータが含まれてます。型変換をするか、数値型以外の列を除去してください。

直し方 — 列の型変更で数値にしてください。

日付列の値が重複している

同じ日付の行が複数あるときに出ます。

{{index_label}}列の値が重複しています。集計するなどして重複をなくしてください。

直し方 — データ集計で日付をキーにまとめてください。

係数が定常的でない

指定した p d q ではモデルが安定しないときに出ます。

列: {{X_label}}での処理は、計算されたARの係数が定常的でないため中断されました。差分系列でモデルを作成するか、別のパラメータ、別のモデルを選択してください。

直し方 — d を 1 つ増やすか、p を小さくしてください。

予測モデルの作成に失敗した

計算が収束しなかったときに出ます。値がほとんど動かない列や、行数の少ないグループで起きます。

予測モデルの作成に失敗しました。各種パラメータを変更してください。

直し方 — p q を小さくするか、その列を対象から外してください。

日付が連続していない

抜けている期間があるときに出ます。

{{index_label}}が連続ではありません。時系列データの補間をお試しください。

直し方 — 連続数値、日付の補間で抜けている日付の行を作り、時系列に沿った欠損値処理で値を埋めてください。

すべてのグループで失敗した

全てのグループでモデル作成に失敗しました。: {{error_msg}}

直し方 — グループの分け方を粗くして、1 グループあたりの行数を増やしてください。

選んだ列が入力にない

前のノードで列名を変えたり削除したりすると出ます。

対象の列が選択されていません。

対象の列が存在しません。

直し方 — 予測対象列を選択・日付列を選択・グルーピングする列を選択を選び直してください。

よく使う例

1. 右肩上がりの売上を予測する

売上が伸び続けていて、ARMA では途中で頭打ちになるとき。

入力

年月	売上
2024-01-01	100
2024-02-01	115
2024-03-01	132
…（24 か月分）	…

設定

設定項目	値
予測対象列を選択	売上
日付列を選択	年月
自己回帰パラメータ（p）	1
差分の回数（d）	1
移動平均パラメータ（q）	3
予測期間の設定	3

出力 — 実測 24 行・過去データ検証 21 行（24 − q）・予測 3 行の 48 行になります。予測 の 3 行が、伸びを引き継いだ値です。

2. 伸び方そのものが変わっているデータ

途中から伸びが加速していて、d が 1 では追いつかないとき。

入力 — 例 1 と同じだが、後半で伸び幅が大きくなっている

設定

設定項目	値
差分の回数（d）	2

出力 — 加速を取り込んだ予測になります。d を上げると予測の幅が大きくぶれるので、過去データ検証 と 実測 を見比べてください。

3. ACF と PACF を見て p と q を決める

既定で当てはまりが悪いとき。

入力 — 例 1 と同じ

設定 — 先に自己相関と偏自己相関を求めるを掛け、PACF が切れる位置を p、ACF が切れる位置を q にします。

出力 — 過去データ検証 が 実測 に近づきます。

4. 店舗ごとに予測する

店舗別に先を見たいとき。

入力

店舗	年月	売上
渋谷	2024-01-01	100
池袋	2024-01-01	50

設定

設定項目	値
グループごとにモデルを作成する	on（列に `店舗`）
エラーを無視する	on

出力 — 4 列に 店舗 が加わります。収束しなかった店舗は出力から抜け、理由が エラー情報 に入ります。

5. 季節の波も扱いたい

毎年同じ時期に上がる動きが残っているとき。