ARIMAとは？
ありま
ARIMAとは、時系列データの予測に用いられる統計モデルで、自己回帰・和分・移動平均の3要素を組み合わせたものです。
ARIMA（Auto-Regressive Integrated Moving Average：自己回帰和分移動平均モデル）は、時系列データの分析・予測に広く使われる統計モデルです。「AR（自己回帰）」「I（和分）」「MA（移動平均）」の3つの要素を組み合わせており、ARIMA(p, d, q)という形でパラメータを表します。
各パラメータの意味は以下のとおりです。
- p（自己回帰次数）：過去p期分の値を使って現在の値を予測する
- d（差分次数）：非定常な時系列をd回差分してから定常化する
- q（移動平均次数）：過去q期分の予測誤差を使って現在の値を補正する
ARIMAモデルでは、まず時系列が定常かどうかを確認し、非定常であれば差分操作（I）で定常化します。その後、ACF（自己相関関数）やPACF（偏自己相関関数）を分析して適切なpとqを決定します。
株価・気象データ・売上高など、過去の傾向が将来に影響する場合に有効です。Pythonのstatsmodelsライブラリなどで手軽に実装でき、データサイエンスや経済予測の現場で頻繁に活用されています。
使い方・例文
月次売上データの将来予測を行う際、ARIMAモデルを当てはめて翌3か月分の売上を算出し、在庫計画や人員配置の意思決定に役立てることができます。
この用語をシェア
最終更新: