تجزیه و تحلیل مجموعه مقادیر تکین چند متغیره

چکیده تحلیل مجموعه مقادیر تکین چند متغیره ((mssa یکی از روشهای ناپارامتری برای تحلیل سریهای زمانی چند متغیره بوده و نظیر حالت یک متغیره (ssa) شامل دو مرحله تجزیه و بازسازی است . در مرحله تجزیه هر متغیر که یک سری زمانی می باشد، به طور جداگانه به چند مولفه قابل تفسیر همچون روند، مولفه نوسانی و نوفه تجزیه شده و بعد از گروهبندی مناسب، مولفه های بازسازی شده مربوط به هر سری در یک ماتریس معین، درست به همان ترتیب و چیدمان قبل از تجزیه در کنار هم قرار می گیرند. به این ترتیب مولفه های بازسازی شده برای پیش بینی مشاهدات جدید مربوط به هر سری مورد استفاده قرار می گیرند. روش mssa به مانند ssa به انتخاب دو پارامتر اساسی طول پنجره و پارامتر ساختاری مرتبط با نحوه گروهبندی بستگی دارد. در این تحقیق پس از معرفی تحلیل مجموعه مقادیر تکین یک متغیره (ssa) و نحوه تعیین پارامترهای آن، به تعمیم آن به حالت چند متغیره می پردازیم. در ادامه دو الگوریتم پیش بینی برداری و بازگشتی در حالت چند متغیره مورد بحث و بررسی قرار می گیرد. سپس با استفاده از روشهای شبیه سازی ، بررسی روشهای مختلف پیش بینی mssa صورت گرفته و با استفاده از کاربرد این روش بر روی مجموعه داده های واقعی به ارزیابی و مقایسه روش mssa با روش الگوی اتورگرسیو با وقفه های توزیع شده ardl پرداخته می شود. کلید واژه : تحلیل مجموعه مقادیر تکین ، تجزیه مقدار ویژه، ماتریس هنکل، گروهبندی