自己回帰モデルとは？
じこかいきもでる
自己回帰モデルとは、時系列データにおいて過去の値を使って現在の値を予測する統計モデルのことです。
自己回帰モデル（Autoregressive Model、ARモデル）は、時系列分析の基本的な手法のひとつで、ある時点の値がそれ以前の複数の時点の値の線形結合によって説明されるという仮定のもとで構築されます。
AR(p)と表記されるモデルでは、過去p期分の値を説明変数として使用します。たとえばAR(1)モデルでは、今日の値は昨日の値と誤差項だけで表されます。AR(2)であれば一昨日の値まで考慮します。この「p」を自己回帰次数と呼びます。
自己回帰モデルが使われる主な場面は次のとおりです。
- 気温・降水量などの気象データの予測
- 株価・為替レートなどの金融時系列分析
- GDP・消費者物価指数などの経済指標の予測
- 音声信号や脳波など生体データの解析
自己回帰モデルは移動平均モデル（MAモデル）と組み合わせてARMAモデルとなり、さらにデータが非定常な場合はARIMAモデルへと拡張されます。近年では深層学習ベースの自己回帰モデルが自然言語処理においても重要な役割を担っており、大規模言語モデルの基礎にもなっています。
使い方・例文
過去12か月の売上データをもとに来月の売上を予測したり、昨日までの気温の推移から明日の気温を推定したりする際に、自己回帰モデルが用いられます。
この用語をシェア
最終更新: