이번 글에서는 펜실베이니아 주립 대학교(Pennsylvania State University)에서 제공하는
STAT 510 - 응용 시계열 분석(Applied Time Series Analysis) 온라인 과정을 소개하겠습니다.
공식 홈페이지: https://onlinecourses.science.psu.edu/stat510/
시계열 위성영상들을 분석하는데 유용한 수업이 될 것 같은데요, 본 과정의 목적은
시간에 따라 관측되는 데이터의 분석을 위한 통계적 기법들을 배우고 응용하는데 있다고 합니다.
시간적으로 가까운 측정치들 간의 상관관계를 설명하는 것이 본 과정의 도전이기도
한데요, 여기서 다뤄지는 주제들은 아래와 같다고 합니다:
- 자동회귀(Autoregressive)와 이동평균 모형(Moving Average Models)을 통한 단변량(univariate) 시계열 데이터의 모형 제작.
- 위와 같은 모형을 아리마(ARIMA) 모형, 때때로 박스 젠킨스(Box Jenkins) 모형이라 부름.
- 모형 인지, 모형 추정, 모형 적합성 평가를 위한 도구.
- 예측(forecasts)을 위한 모형의 이용, 그리고 예측을 위한 예측구간(prediction intervals)의 정의.
- 평활법(smoothing method)과 추세/계절 분해법(trend/seasonal decomposition methods).
- 위에서 평활법은 이동 평균, 지수 평활화(exponential smoothing), 그리고 로에스 평활기(Lowess smoothers)를 포함.
- 시계열 변수들간의 관계, 상호 상관관계(cross correlation), 시차회귀(lagged regression) 모형.
- 개입 분석(Intervention Aanalysis). 기본적으로 신규 정책, 처리 등의 효과를 평가하기 위한 시계열의 전/후 분석.
- 응답이 시계열일 때 처리를 비교하기 위한 종적 분석(Logitudinal Analysis)과 반복 측정 모형(Repeated Measures Models).
- 다변량(multivariate) 시계열을 위한 벡터 자동회귀(Vector Autoregressive) 모형.
- 시계열에서 변화와 변동기간에 대한 ARCH 모형.
- 주파수 영역(frequency domain) 분석 - 주기도(Periodograms), 주파수 효율(Spectral Density), 시계열의 중요한 주기적 요소 인지.
이러한 시계열 데이터를 분석하기 위해서 통계 소프트웨어 프로그램이 필요한데요,
본 과정의 과제와 각 장에서는 데이터를 분석하기 위해 R 코드를 제공하고 있습니다.
시계열 데이터 분석을 위한 통계적 기법들과 R 코드를 함께 접할 수 있는 좋은 기회가 될 것 같습니다.
저도 틈틈히 본 과정의 내용 중 별도 정리할 만한 부분들을 발췌하여 블로그에 정리해 보도록 하겠습니다.