■ 모형 개요 많은 연구자가 시계열 분석에서 자기상관(ACF)과 부분자기상관(PACF)을 구분하지 못하고 혼용합니다. ACF는 특정 시점과 그 앞선 시점 간의 전체 상관을, PACF는 중간 시점의 영향을 배제한 순수한 상관을 나타냅니다. 이를 정확히 구분하면 모형 설계가 한층 명확해집니다. ■ 변수 설정 · 독립변수 : 시점 t-1의 관측값 (직전 시점의 직접 효과) · 매개변수 : PACF 값 (중간 시점 효과를 제거한 순수 상관) · 종속변수 : 시점 t의 관측값 (예측 대상) · 조절변수 : 계절성 지표 (계절 주기마다 상관 구조가 달라질 수 있음) 독립변수는 가장 기본적인 시계열 예측에 사용되는 lagged 값이며, 매개변수로 PACF를 두어 중간 시점의 간섭을 제거합니다. 종속변수는 예측하고자 하는 현재 시점의 값이며, 조절변수로 계절성을 포함하면 계절적 변동이 상관 구조에 미치는 영향을 검증할 수 있습니다. 이 네 변수로 구성된 모형은 ACF와 PACF의 차이를 활용하면서도 계절 효과까지 고려하는 형태가 됩니다. 검토 요청 각 변수 설정이 논리적으로 연결되는지, 혹은 누락되거나 과도하게 포함된 부분이 있는지 의견을 구합니다. 특히 조절변수로 계절성을 넣는 것이 타당한지 궁금합니다. 자세한 내용: https://ssra.or.kr/glossary.php