ARIMA Modeli Zaman Serisi Analizi ve Tahmin Rehberi
ARIMA modeli rehberi: bileşenler, durağanlık ve ADF testi, ACF-PACF ile p ve q seçimi, model karşılaştırma, SARIMA, çıktı yorumu, yazılımlar ve tez raporlaması.
Son güncelleme: Ekim 2026
ARIMA Modeli Nedir?
Kısa cevap: ARIMA modeli, bir zaman serisinin gelecekteki değerlerini kendi geçmiş değerleri ve geçmiş tahmin hataları üzerinden tahmin eden istatistiksel bir yöntemdir. Adı AutoRegressive Integrated Moving Average ifadesinin kısaltmasıdır.
Model ARIMA(p,d,q) biçiminde yazılır. Bu nedenle üç sayı, modelin bütün yapısını özetler. Burada p otoregresif derece, d fark alma sayısı, q ise hareketli ortalama derecesidir. Yöntem, Box ve Jenkins’in 1970’lerde sistemleştirdiği yaklaşımla yaygınlaşmıştır.
Bu rehberde durağanlık kavramını, ADF testini, ACF ve PACF ile derece seçimini, model karşılaştırmasını, artık analizini, SARIMA’yı, tahminlemeyi ve tez raporunda nelerin yazılacağını adım adım anlattık.
- ARIMA(p,d,q), seriyi kendi geçmişi ve geçmiş hatalarıyla açıklayan bir tahmin modelidir.
- d birim kök testleriyle, p ve q ACF ve PACF grafikleriyle belirlenir.
- Model seçimi AIC, BIC ve beyaz gürültü artıklarla yapılır.
- Mevsimsel verilerde SARIMA kullanılır; tahminler güven aralığıyla raporlanır.
🧩 ARIMA Modelinin Bileşenleri Nelerdir?
Kısa cevap: Üç bileşen vardır: AR(p) serinin kendi geçmişiyle ilişkisini, I(d) durağanlık için alınan fark sayısını, MA(q) ise geçmiş hata terimlerinin etkisini gösterir.
| Bileşen | Anlamı | Nasıl belirlenir? |
|---|---|---|
| AR (p) | Bugünkü değer, önceki p değerle ilişkilidir | PACF grafiğindeki kesilme noktası |
| I (d) | Seriyi durağan yapmak için alınan fark sayısı | ADF ve KPSS gibi birim kök testleri |
| MA (q) | Bugünkü değer, önceki q hata terimiyle ilişkilidir | ACF grafiğindeki kesilme noktası |
Örneğin ARIMA(1,1,0), serinin bir kez farkı alındıktan sonra yalnızca bir gecikmeli değerle açıklandığı anlamına gelir. Öte yandan ARIMA(0,1,1), farkı alınmış serinin bir önceki hata terimiyle modellendiğini gösterir.
📏 Durağanlık Nedir ve ADF Testi Nasıl Yorumlanır?
Kısa cevap: Durağan bir serinin ortalaması ve varyansı zamanla değişmez. ADF testinde temel hipotez “seride birim kök vardır, seri durağan değildir” şeklindedir; p değeri 0,05’ten küçükse bu hipotez reddedilir.
| Durum | Test istatistiği ve p değeri | Karar |
|---|---|---|
| Seri düzeyde durağan | İstatistik kritik değerden daha negatif, p < 0,05 | d = 0 ile devam edilir |
| Seri düzeyde durağan değil | İstatistik kritik değerden büyük, p ≥ 0,05 | Birinci fark alınır ve test tekrarlanır |
| Birinci farkta durağan | Farklı seride p < 0,05 | Genellikle d = 1 seçilir |
Ayrıca ADF sonucunu tek başına bırakmamak iyi bir alışkanlıktır. Çünkü KPSS testinin temel hipotezi tersidir ve iki testin birlikte yorumlanması kararı güçlendirir. Ancak her iki testte de sabit ve trend terimi seçimini serinin grafiğine bakarak yapmanız gerekir.
Örneğin uygulamada çoğu ekonomik seri birinci farkta durağan hale gelir. Bununla birlikte gereğinden fazla fark almak (aşırı fark) modele yapay bir MA yapısı ekleyebilir. Bu nedenle d değerini sezgiyle değil, testle belirlemek gerekir.
📉 ARIMA Modelinde p ve q Değerleri ACF ve PACF ile Nasıl Seçilir?
Kısa cevap: Durağan seride PACF belirli bir gecikmeden sonra aniden kesiliyorsa o gecikme p için, ACF aniden kesiliyorsa o gecikme q için aday değerdir. İkisi de yavaş azalıyorsa karma bir ARMA yapısı düşünülür.
| Yapı | ACF görünümü | PACF görünümü |
|---|---|---|
| AR(p) | Yavaş, üssel veya dalgalı azalır | p gecikmeden sonra kesilir |
| MA(q) | q gecikmeden sonra kesilir | Yavaş, üssel veya dalgalı azalır |
| ARMA(p,q) | Yavaş azalır | Yavaş azalır |
Grafikler ilk adayları verir; ancak son kararı bilgi kriterleri ve artık analizi belirler. Örneğin PACF ikinci gecikmede kesiliyorsa ARIMA(2,1,0), ARIMA(2,1,1) ve ARIMA(1,1,1) birlikte denenip karşılaştırılabilir.
🔄 ARIMA Modeli Adım Adım Nasıl Kurulur?
Kısa cevap: Box-Jenkins yaklaşımı dört aşamadan oluşur: tanımlama, tahmin, tanı kontrolü ve öngörü. Her aşamada bir önceki adıma dönmek mümkündür.
- Seriyi çizin; trend, mevsimsellik ve kırılma olup olmadığına bakın.
- Gerekirse logaritma alın ve birim kök testleriyle d değerini belirleyin.
- ACF ve PACF grafiklerinden aday p ve q değerlerini çıkarın.
- Aday modelleri tahmin edin ve katsayıların anlamlılığına bakın.
- AIC ve BIC değerlerini karşılaştırarak en uygun modeli seçin.
- Artıkların beyaz gürültü olup olmadığını Ljung-Box testiyle kontrol edin.
- Test döneminde tahmin hatasını (RMSE, MAE, MAPE) hesaplayın ve öngörü yapın.
Ayrıca bu sıralama, tez yöntem bölümünde de aynı düzende anlatılabilir. Böylece okuyucu, modelin neden seçildiğini adım adım takip edebilir. Böylece jüri her kararın gerekçesini kolayca izler. Ayrıca danışmanınız bir adımı sorguladığında ilgili çıktıyı hızla gösterebilirsiniz. Box-Jenkins yaklaşımının ayrıntıları için Forecasting: Principles and Practice kitabının ARIMA bölümü ücretsiz ve güvenilir bir kaynaktır.
⚖️ En Uygun Model Nasıl Seçilir?
Kısa cevap: Artıkları beyaz gürültü olan modeller arasından AIC veya BIC değeri en düşük olan seçilir. Tahmin amaçlı çalışmalarda test dönemindeki hata ölçüleri de karşılaştırılır.
| Ölçüt | Ne söyler? | Yorum |
|---|---|---|
| AIC | Uyum ile parametre sayısı dengesi | Küçük olan tercih edilir |
| BIC | AIC’ye göre karmaşık modeli daha çok cezalandırır | Küçük olan tercih edilir |
| RMSE | Büyük hataları daha çok cezalandıran ortalama hata | Serinin birimiyle yorumlanır |
| MAPE | Yüzde olarak ortalama mutlak hata | Sıfıra yakın değerlerde yanıltıcı olabilir |
| Ljung-Box p değeri | Artıklarda otokorelasyon kalıp kalmadığı | p > 0,05 istenir |
Öte yandan en düşük AIC’ye sahip model her zaman en iyi öngörüyü vermeyebilir. Bu yüzden veriyi eğitim ve test dönemi olarak ayırmak, özellikle tahmin odaklı tezlerde önemlidir.
📅 SARIMA Nedir, ARIMA Modelinden Farkı Ne?
Kısa cevap: SARIMA, ARIMA modeline mevsimsel bileşen ekler ve SARIMA(p,d,q)(P,D,Q)m biçiminde yazılır. Burada m mevsimsel dönemdir; aylık veride 12, çeyreklik veride 4 alınır.
Örneğin aylık elektrik tüketimi her kış yükselip yazın düşüyorsa, mevsimsel fark (D = 1) ve mevsimsel AR veya MA terimleri gerekebilir. Ayrıca mevsimsel gecikmelerde (12, 24, 36) ACF ve PACF’de belirgin çubuklar görülür.
Bununla birlikte mevsimselliği kukla değişkenlerle veya mevsimsellikten arındırılmış seriyle ele almak da mümkündür. Ancak hangi yolun seçileceği, araştırma sorusuna ve verinin yapısına bağlıdır. Örneğin turizm geliri gibi güçlü mevsimsellik taşıyan serilerde SARIMA çoğu zaman daha anlaşılır sonuç verir.
📊 ARIMA Çıktısı Nasıl Yorumlanır? Temsilî Örnek
Kısa cevap: Katsayıların işaretine ve anlamlılığına, bilgi kriterlerine, artık testlerine ve tahmin aralıklarına birlikte bakılır. Tek bir göstergeye dayanarak karar verilmez.
Aşağıdaki tablo gerçek bir veri setine ait değildir; yalnızca okuma biçimini göstermek için hazırlanmış temsilî bir örnektir.
| Parametre | Katsayı | Yorum | Std. hata | p değeri |
|---|---|---|---|---|
| AR(1) | 0,62 | Anlamlı, pozitif kalıcılık | 0,10 | < 0,001 |
| MA(1) | -0,48 | Anlamlı, önceki şok kısmen düzeltiliyor | 0,11 | < 0,001 |
| Sabit | 0,15 | %5 düzeyinde anlamlı değil | 0,09 | 0,10 |
Sonuç olarak bu örnekte iki katsayı anlamlıdır ve modelin yapısı korunabilir. Ancak artıklarda otokorelasyon kalıyorsa model yeniden kurulmalıdır. Sonuç olarak arima modeli yorumu, tablo ile artık grafiğinin birlikte okunmasını gerektirir.
💻 ARIMA Hangi Programlarla Kurulur?
Kısa cevap: EViews, R, Python, Stata ve SPSS en yaygın seçeneklerdir. Bu nedenle seçim, bölümünüzün alışkanlığına ve tekrar üretilebilirlik ihtiyacına göre yapılır.
| Program | Tipik araç | Not |
|---|---|---|
| EViews | Equation ve Forecast menüleri | Ekonometri bölümlerinde yaygındır |
| R | forecast::auto.arima, fable | Kod tekrar üretilebilir |
| Python | statsmodels ARIMA ve SARIMAX | Veri bilimi projelerinde yaygındır |
| Stata | arima komutu | Sosyal bilimlerde sık kullanılır |
| SPSS | Expert Modeler, ARIMA | Menü tabanlıdır |
Ayrıca otomatik seçim fonksiyonlarının önerdiği modeli de grafik ve testlerle doğrulamak gerekir. Python tarafında adımları merak ediyorsanız Python veri analizi rehberimize, Stata için ise Stata analizi yazımıza bakabilirsiniz.
⚠️ ARIMA Kurarken Sık Yapılan Hatalar Nelerdir?
Kısa cevap: En sık hatalar durağanlığı test etmemek, aşırı fark almak, artık analizini atlamak ve kısa seriyle uzun dönem tahmin yapmaktır.
- Seriyi çizmeden doğrudan model kurmak
- Yalnızca ADF testine dayanıp grafikteki kırılmayı görmezden gelmek
- Gereğinden fazla parametre ekleyip modeli aşırı uydurmak
- Ljung-Box testini raporlamamak
- Güven aralığı vermeden yalnızca nokta tahmin sunmak
- Yapısal kırılmalar (kriz, pandemi) için kukla değişken düşünmemek
Bu nedenle her adımın çıktısını not alıp yöntem bölümüne aktarmak, hem hataları azaltır hem de jüri sorularına hazırlık sağlar. Ayrıca kısa serilerde (örneğin 30 gözlemden az) karmaşık modeller yerine sade modeller tercih edilmelidir. Öte yandan model kurulduktan sonra veriye yeni gözlemler eklendiğinde parametrelerin yeniden tahmin edilmesi de unutulmamalıdır.
📝 Tezde ARIMA Modeli Bulguları Nasıl Raporlanır?
Kısa cevap: Serinin grafiği, birim kök testi tablosu, aday modellerin karşılaştırması, seçilen modelin katsayıları, artık testleri ve tahmin tablosu ile grafiği sırasıyla verilir.
- Veri kaynağı, dönem ve frekans açıkça yazılır.
- Birim kök testleri hem düzeyde hem farkta raporlanır.
- Aday modeller AIC ve BIC ile tablo halinde karşılaştırılır.
- Seçilen modelin katsayıları, standart hataları ve p değerleri verilir.
- Artık testleri ve tahmin hata ölçüleri ayrı bir tabloda sunulur.
- Tahminler güven aralığıyla birlikte grafikte gösterilir.
Örneğin enflasyon tahmini yapan bir tezde, test dönemindeki tahminlerin gerçekleşen değerlerle karşılaştırıldığı bir grafik bulguları çok daha anlaşılır kılar.
Ayrıca tahmin bölümünde modelin sınırlılıklarını açıkça yazmak gerekir. Çünkü ARIMA yalnızca serinin geçmişinden öğrenir ve faiz kararı ya da kur şoku gibi dış etkenleri doğrudan içermez. Bu nedenle dış değişkenlerin önemli olduğu durumlarda ARIMAX veya VAR gibi modeller de tartışılabilir. Öte yandan sade bir ARIMA, karmaşık modeller için iyi bir karşılaştırma ölçütü olarak raporda yer almaya devam eder.
💬 ARIMA Modeli Analiz Desteği ve Ücret Nasıl Belirlenir?
Kısa cevap: Ücret; serinin uzunluğuna ve sayısına, mevsimsellik ihtiyacına, kullanılacak programa, raporun kapsamına ve teslim süresine göre belirlenir. Verinizi WhatsApp’tan paylaşarak size özel teklif alabilirsiniz.
Ayrıca analizleriniz zaman serisi alanında deneyimli uzmanlar tarafından yapılır ve yorumlu rapor halinde teslim edilir. Verileriniz gizli tutulur, bütçenize göre kapsamı birlikte planlıyoruz ve hizmetlerimiz Bill Gates Web güvencesiyle sunulur. Daha geniş veri analizi ihtiyaçlarınız için veri analizi platformumuzu da inceleyebilirsiniz.
⭐ Neden Ödevcim?
Alanında Uzman Kadro
Çalışmanız konuya hâkim bir uzmana yönlendirilir; süreç boyunca sizinle iletişimde kalınır.
Gizlilik
Kişisel bilgileriniz ve dosyalarınız üçüncü kişilerle paylaşılmaz.
Revizyon Desteği
Teslimden sonra gelen geri bildirimlere göre düzeltme desteği verilir.
Bill Gates Web Güvencesi
Hizmetlerimiz Ankara merkezli Bill Gates Web güvencesiyle sunulur.
💬 Öğrenci ve Akademisyen Yorumları
Ekonomi tezimde ARIMA modeli ile enflasyon tahmini yaptırdım. ADF testi, ACF/PACF yorumu ve parametre seçimi çok başarılıydı. Tahmin grafikleri ve güven aralıkları çok açıklayıcıydı.
Satış tahmini (forecasting) için SARIMA modeli kurdurdum. Mevsimsellik ve trend çok iyi yakalanmıştı. Rapor profesyoneldi, AIC ve BIC değerleri ile model karşılaştırması yapılmıştı.
Enerji tüketimi zaman serisi için ARIMA modeli analizini yaptırdım. EViews çıktıları, tahmin grafikleri ve RMSE/MAPE değerleri çok başarılıydı. Tez jürim çok beğendi.
Zaman serisi analizi yüksek lisans tezim için ARIMA modeli kurdurmuştum. Birim kök testleri, model tanımlama ve tahminleme çok iyi yapılmıştı. Jüriden tam not aldım, teşekkürler Ödevcim!
❓ Sıkça Sorulan Sorular
ARIMA modelinde p, d, q nasıl belirlenir?
d birim kök testleriyle, p ve q ise ACF ve PACF grafiklerinden çıkan adaylarla belirlenir. Adaylar arasında AIC veya BIC değeri en düşük ve artıkları beyaz gürültü olan model seçilir.
ADF testinde p değeri 0,05’ten büyükse ne yapılır?
Seride birim kök olduğu kabul edilir. Seri farkı alınarak tekrar test edilir; farkta durağan çıkarsa genellikle d = 1 seçilir.
ARIMA ile SARIMA arasındaki fark nedir?
SARIMA, ARIMA modeline mevsimsel AR, fark ve MA terimleri ekler. Aylık veya çeyreklik verilerde düzenli mevsimsel dalgalanma varsa tercih edilir.
ARIMA modeli için kaç gözlem gerekir?
Kesin bir sayı yoktur. Ancak gözlem sayısı azaldıkça tahminlerin güvenilirliği düşer; mevsimsel modeller için birkaç tam mevsim döngüsü önerilir.
Arima modeli ile yapılan tahmin ne kadar güvenilir?
Güvenilirlik, artıkların beyaz gürültü olmasına, test dönemindeki hata ölçülerine ve yapısal kırılma olmamasına bağlıdır. Bu yüzden tahminler güven aralığıyla raporlanır.
Hangi program daha iyi?
Tek bir doğru yoktur. EViews menüyle hızlı çalışır; R ve Python ise kodla tekrar üretilebilir analiz sağlar.
📞 ARIMA Analiziniz İçin Bilgi Alın
Serinizin dönemini, frekansını, kullanmak istediğiniz programı ve teslim tarihinizi WhatsApp’tan veya e-postayla paylaşın. Kapsamı birlikte netleştirelim.
📧 bestessayhomework@gmail.com | 📞 0 (312) 276 75 93
