Chapter 5 시계열 회귀 모델

이 장에서는 회귀 모델(regression model)을 다룹니다. 시계열 \(y\)을 예측할 때 이것이 다른 시계열 \(x\)와 선형 관계가 있다고 가정하는 것이 기본 개념입니다.

예를 들면, 전체 광고 비용 \(x\)을 예측변수(predictor variable)로 두고 월별 판매량 \(y\)을 예측하는 상황이 있을 수 있습니다. 또는 온도 \(x_1\)과 요일 \(x_2\)을 예측변수로 사용하여 일별 전력 수요 \(y\)를 예측하는 상황이 있을 수 있습니다.

목표 예상변수(forecast variable)13 \(y\)는 때때로 회귀선, 종속 변수, 또는 피설명 변수라고 부르기도 합니다. 예측변수(predictor variables) \(x\)는 종종 회귀자, 독립 변수, 설명 변수라고 부르기도 합니다. 이 책에서는 항상 \(y\)를 “목표 예상(forecast)”변수로 \(x\)를 “예측(predictor)”변수로 부를 것입니다.


  1. 옮긴이 주: Prediction과 forecast는 다른 의미로 사용되지만 한글로 옮기면 차이가 애매해지는 단어입니다. 구본수(Bonsoo Koo) 박사님의 제안에 따라, 해당 분야에서 널리 통용되는 “target (forecast) variable”에 착안하여 “forecast variable”을 목표 예상변수로 옮겼습니다.↩︎