Decomposition of time-series by level and change

این مقاله بررسی می کند که تجزیه اطلاعات سری زمانی به دو بخش - سطح و تغییر - تولید پیش بینی های دقیق تر از آنچه که از پیش بینی کل جمع آوری به طور مستقیم. تحقیقات پیشین نشان داد که به طور کلی تجزیه، خطاهای پیش بینی را به میزان 35٪ کاهش داد. یک مطالعه قبلی در مورد تجزیه به سطح و تغییرات، کاهش خطای پیش بینی 23٪ را پیدا کرد. در مطالعه حاضر مشخص شد که تقسیم بندی های اخیر شامل میانگین میانگین تخمین ها از نظرسنجی های اولیه و مدل های اقتصادسنجی بازار مسکن در ایالات متحده، دقت صحت برآوردهای نهایی سطوح را بهبود داده اند. پیش بینی های تغییر از یک مدل اقتصادسنجی و بهبود وضعیت فعلی، خطاهای پیش بینی را با 29 درصد کاهش می دهد، در مقایسه با پیش بینی های مستقیم جمع. پیش بینی های تغییر از یک مدل استخراج و بهبود یافته، خطاهای پیش بینی را 45٪ کاهش داد. به طور متوسط ​​پس از آن، کاهش خطا برای این مطالعه 37٪ بود.