Cái nào tốt hơn, stl hay phân hủy?

10

Tôi đang thực hiện phân tích chuỗi thời gian bằng R. Tôi phải phân tách dữ liệu của mình thành xu hướng, thành phần theo mùa và ngẫu nhiên. Tôi có dữ liệu hàng tuần trong 3 năm. Tôi đã tìm thấy hai hàm trong R - stl()và decompose(). Tôi đã đọc được rằng stl()không tốt cho phân rã nhân. Ai đó có thể cho tôi biết trong trường hợp nào các chức năng này có thể được sử dụng?

r time-series

— Arushi
nguồn

1

Bạn sẽ cần cung cấp một số bối cảnh cho vấn đề của mình, nếu không, chúng tôi sẽ phải di chuyển để xếp chồng trao đổi hoặc đóng với đề xuất bạn thử ?stlvà ?decompose.

— AdamO

4

Tôi sẽ nói STL. STL không theo xu hướng và theo mùa: http://www.wessa.net/doad/stl.pdf

Chỉ phân tích theo mùa, xem tài liệu ở đây: http://stat.ethz.ch/R-manual/R-devel/l Library / stat / html / dececose.html

Khi bạn làm việc với họ, hãy chắc chắn bao gồm loại xu hướng của bạn (nhân, cộng) và loại mùa (nhân, cộng). Xu hướng đôi khi cũng có thể có một yếu tố giảm xóc.

Bằng cách phân tách nhân, tôi giả sử bạn có nghĩa là trong trường hợp cho xu hướng. Bạn không có khả năng sử dụng phân rã nhân trừ khi bạn đang phân tách hàm tăng trưởng theo cấp số nhân.

— ccsv
nguồn

Phân rã nhân trong trường hợp đơn giản là trong đó mô hình cơ bản là lỗi Y = xu hướng * theo mùa *. Các mô hình nhân lên trong bối cảnh không theo cấp số nhân. Ví dụ: với doanh số, bạn có một mức lưu lượng truy cập nhất định và tỷ lệ chuyển đổi nhất định và do đó, thành phần theo mùa thay đổi tỷ lệ thuận với xu hướng. Giải pháp là một trong những mô tả Natalie.

5

Nhược điểm của decomposechức năng trong R:

Ước tính của xu hướng là không có sẵn cho một vài quan sát đầu tiên và cuối cùng.
Nó giả định rằng các thành phần theo mùa lặp đi lặp lại từ năm này sang năm khác.

Vì vậy, tôi thích STL. Có thể thu được phân rã nhân bằng cách trước tiên lấy nhật ký dữ liệu và sau đó chuyển đổi lại các thành phần.

— Natalie
nguồn

1

STL là một kỹ thuật tiên tiến hơn để trích xuất tính thời vụ, theo nghĩa là cho phép tính thời vụ thay đổi, điều này không xảy ra decompose.

Để hiểu về cách hoạt động của STL:

thuật toán ước tính mỗi serie phụ theo mùa (trong thời vụ 7 ngày, nó sẽ ước tính 7 chuỗi phụ: serie thời gian thứ hai, serie thời gian thứ ba, v.v.),
sau đó nó sẽ ước tính tính thời vụ cục bộ bằng cách chạy hồi quy hoàng thổ trên mỗi serie phụ.

Điều này cho phép nắm bắt các hiệu ứng khác nhau trong tính thời vụ. Nếu bạn không muốn tính thời vụ của mình thay đổi (nói cách khác, hiệu ứng ước tính của mỗi serie phụ sẽ không đổi trong toàn bộ serie thời gian), bạn có thể chỉ định cửa sổ theo mùa là vô hạn hoặc "định kỳ". Điều này tương đương với trung bình mỗi serie phụ và cho trọng số bằng nhau cho tất cả các điểm (bạn không còn hiệu ứng "cục bộ" nào nữa). decomposevề cơ bản là giống nhau, vì các thành phần phụ theo mùa sẽ không đổi trong toàn bộ thời gian của bạn, đây là một cấu hình đặc biệt của STL.

Điều này được giải thích khá tốt ở đây: https://www.otexts.org/fpp/6/1 .

STL ước tính tính thời vụ theo cách phụ gia. Như đã giải thích một vài trang sau trong nguồn trước đó, bạn có thể ước tính tính thời vụ theo cách nhân bằng cách sử dụng chuyển đổi nhật ký (hoặc chuyển đổi Cox-Box).

— Tanguy
nguồn