Làm thế nào để thực hiện một chuỗi thời gian cố định?


42

Bên cạnh việc lấy sự khác biệt, các kỹ thuật khác để tạo ra một chuỗi thời gian không cố định, văn phòng phẩm là gì?

Thông thường, người ta đề cập đến một chuỗi là " tích hợp thứ tự p " nếu nó có thể được thực hiện tại chỗ thông qua toán tử độ trễ .(1L)PXt

Câu trả lời:


18

Khử xu hướng là cơ bản. Điều này bao gồm hồi quy chống lại đồng biến khác ngoài thời gian.

Điều chỉnh theo mùa là một phiên bản của sự khác biệt nhưng có thể được hiểu là một kỹ thuật riêng biệt.

Chuyển đổi dữ liệu ngầm chuyển đổi một toán tử khác biệt thành một thứ khác; ví dụ, sự khác biệt của logarit là tỷ lệ thực sự.

Một số kỹ thuật làm mịn EDA (như loại bỏ trung vị di chuyển) có thể được hiểu là các cách giảm dần không tham số. Chúng đã được Tukey sử dụng như vậy trong cuốn sách của ông về EDA. Tukey tiếp tục bằng cách giảm các phần dư và lặp lại quá trình này trong bao lâu cần thiết (cho đến khi anh ta đạt được các phần dư xuất hiện ổn định và phân bố đối xứng quanh 0).


bạn có thể giải thích thêm làm thế nào de xu hướng được thực hiện? Làm thế nào để loại bỏ tác động của hiệp phương sai bằng hồi quy? Nếu tôi đúng, nó sẽ chỉ được áp dụng cho chuỗi thời gian đa biến.
Arpit Sisodia

1
@Arpit Bạn thay thế dữ liệu gốc bằng số dư của chúng trong hồi quy so với hiệp phương sai. Nó áp dụng cho chuỗi thời gian đơn biến cũng như chuỗi thời gian đa biến. Điều này được giải thích thêm và minh họa tại stats.stackexchange.com/a/113207/919stats.stackexchange.com/a/46508/919 .
whuber

@whuber Bạn không nghĩ rằng, hồi quy chống lại đồng biến (có thể không cố định) làm chúng ta gặp phải vấn đề hồi quy giả?
Vishaal Sudarsan

10

Tôi vẫn nghĩ rằng sử dụng% thay đổi từ giai đoạn này sang giai đoạn tiếp theo là cách tốt nhất để hiển thị một biến cố định không cố định như bạn đề xuất trước tiên. Một chuyển đổi như một bản ghi hoạt động hợp lý tốt (nó làm phẳng chất lượng không cố định; nhưng không loại bỏ nó hoàn toàn).

Cách thứ ba là khử tín hiệu và khử xu hướng dữ liệu đồng thời trong một hồi quy tuyến tính duy nhất. Một biến độc lập sẽ là xu hướng (hoặc thời gian): 1, 2, 3, ... cho đến khoảng thời gian bạn có. Và, biến khác sẽ là biến phân loại với 11 loại khác nhau (trong 11 trên 12 tháng). Sau đó, bằng cách sử dụng hệ số kết quả từ hồi quy này, bạn có thể đồng thời hủy bỏ và hủy theo mùa dữ liệu. Bạn sẽ thấy toàn bộ dữ liệu của bạn về cơ bản được làm phẳng. Sự khác biệt còn lại giữa các thời kỳ sẽ phản ánh những thay đổi độc lập với cả xu hướng tăng trưởng và mùa.


bạn có thể giải thích điều hệ số chi tiết hơn một chút cho người mới bắt đầu? Tôi cảm thấy cách tiếp cận của bạn đáng để thử vì nếu tôi khác biệt nhật ký trong trường hợp của tôi (tốc độ tăng trưởng) thì xu hướng sẽ bị san bằng nhưng tính thời vụ trở nên mạnh mẽ. Do đó, cách tiếp cận simulateneous có vẻ đáng thử. Nhưng tôi phải làm gì với hai hệ số? đặc biệt tôi có nghĩa là người giả ...
hans0l0

ran2, tôi biết nó có thể không rõ ràng, nhưng tôi không thể giải thích nó tốt hơn nhiều so với tôi đã có. Nó là sự phản ánh các kỹ năng giao tiếp của riêng tôi hơn bất cứ điều gì. Thay vào đó, tôi sẽ đề nghị sửa chữa cơ bản hoạt động thường xuyên hơn không. Đó là chỉ đơn giản là thay đổi biến chuỗi thời gian danh nghĩa của bạn thành% thay đổi từ thời kỳ này sang giai đoạn tiếp theo, v.v. Tập trung vào% thay đổi thay vì các giá trị danh nghĩa ngay lập tức thay đổi một biến không cố định thành một biến cố định mà sau đó bạn có thể dễ dàng hồi quy.
Sympa

7

Nhật ký và đối ứng và chuyển đổi sức mạnh khác thường mang lại kết quả bất ngờ.

Đối với phần dư giảm dần (ví dụ Tukey), điều này có thể có một số ứng dụng trong một số trường hợp nhưng có thể nguy hiểm. Mặt khác, việc phát hiện sự thay đổi mức độ và thay đổi xu hướng có sẵn một cách có hệ thống cho các nhà nghiên cứu sử dụng các phương pháp phát hiện can thiệp. Vì sự thay đổi cấp độ là sự khác biệt của xu hướng thời gian giống như xung là sự khác biệt của sự dịch chuyển cấp độ, nên các phương pháp được sử dụng bởi Ruey Tsay rất dễ bị vấn đề này.

Nếu một loạt thể hiện sự thay đổi mức độ (tức là thay đổi trong đánh chặn), biện pháp khắc phục thích hợp để làm cho loạt phim đứng yên là "hạ bệ" loạt phim. Box-Jenkins đã sai lầm nghiêm trọng khi cho rằng biện pháp khắc phục tình trạng không cố định là một nhà khai thác khác biệt. Vì vậy, đôi khi sự khác biệt là phù hợp và những lần khác điều chỉnh cho sự thay đổi trung bình "s" là phù hợp. Trong cả hai trường hợp, chức năng tự tương quan có thể biểu hiện không cố định. Đây là một triệu chứng của trạng thái của bộ truyện (tức là văn phòng phẩm hoặc không cố định). Trong trường hợp không rõ ràng, các nguyên nhân có thể khác nhau. Ví dụ, chuỗi thực sự có nghĩa là thay đổi liên tục hoặc chuỗi có thay đổi tạm thời về trung bình.

Cách tiếp cận được đề xuất lần đầu tiên được đề xuất Tsay vào năm 1982 và đã được thêm vào một số phần mềm. Các nhà nghiên cứu nên tham khảo bài báo của Tạp chí Dự báo của Tsay có tiêu đề "Các ngoại lệ, thay đổi cấp độ và thay đổi phương sai trong chuỗi thời gian", Tạp chí Dự báo, Tập. 7, I-20 (1988).

Như thường lệ, sách giáo khoa chậm kết hợp công nghệ tiên tiến, nhưng tài liệu này có thể được tham khảo trong sách Wei (tức là Phân tích chuỗi thời gian), Delurgio và Makradakis bao gồm các can thiệp kết hợp, nhưng không phải là cách phát hiện như văn bản của Wei.


4

Sự khác biệt với một loạt khác. tức là giá dầu Brent không ổn định, nhưng dầu thô ngọt nhẹ lan rộng. Một đề xuất rủi ro hơn để dự báo là đặt cược vào sự tồn tại của mối quan hệ hợp nhất với một chuỗi thời gian khác.


4

Bạn có thể phù hợp với một hoàng thổ / spline thông qua dữ liệu và sử dụng phần dư? Phần còn lại sẽ đứng yên?

Có vẻ như có nhiều vấn đề cần xem xét, và có lẽ sẽ không có dấu hiệu rõ ràng về một đường cong quá linh hoạt như có sự khác biệt quá mức.


+1 để nêu giải pháp rõ ràng và chưa được thảo luận kỹ. Mọi phương pháp đều có nhiều vấn đề, nhưng làm mịn không theo tỷ lệ là cơ bản và cần có một khám phá tốt về tất cả các phương pháp giảm giá được đề xuất khác liên quan đến phương pháp này. Rất vui được nghe các nguồn có liên quan ...
zkurtz
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.