The purpose of this study is to develope a technique to improve a forecasting accuracy of regression method by refining the residuals of regression with ARIMA process. The noble features of the method is that, by refining residuals, autocorrelations and/or cross-correlations inherent in the model can be removed, which is practically impossible in the classical regression method. The mixed regression/ARIMA model is set up for the cases of single equation and simultaneous equations, and these are applied to forecast monthly gasoline consumption in Korea.
Major findings are as follows:
First, the mixed regression/ARIMA model improves the forecasting accuracy significantly in terms of sum of square error (S.S.E.).
Second, the forecasting accuracy of the mixed regression/ARIMA model is not seriously diminished as the lead time increases.
Third, it is reavealed to be more accurate than any other individual model especially for unstable data.
본 연구는 시계열 분석 방법의 대표적 기법인 Box-Jenkins 방법으로 회귀분석을 보정하여 예측력을 높이려는 시도이다. 이는 회귀분석 모형을 작성시 고려되지 못한 요인이 있다면 residual에서 고려 될 수 있다는 생각하에 single equation과 double equation일 경우로 나누어 모형을 작성하였다.
작성된 모형을 한국의 월별 휘발류 소비량에 적용시켜 다른 예측기법(회귀분석, ARIMA, Cochrane-Orcutt)등과 예측력을 lead time을 달리하여 비교 하였다.
비교결과, 첫째, 일반적으로 혼합 회귀/ARIMA 모형의 예측력이 다른 예측기법에 비해 우수하였다. 둘째, 안정적이지 못한 경우 다른 모형에 비해 특히 예측력이 우수하였다. 셋째, 본모형에서는 회귀분석에서 고려되지 못한 요인을 파악해 주는 효과가 있었다.
