เหตุใดเราจึงควรลบฤดูกาลออกจากอนุกรมเวลา


11

ขณะทำงานกับอนุกรมเวลาบางครั้งเราตรวจจับและลบฤดูกาลตามการวิเคราะห์สเปกตรัม ฉันเป็นผู้เริ่มต้นที่แท้จริงในซีรีย์ไทม์และฉันก็สับสนว่าทำไมคนเราต้องการที่จะลบฤดูกาลออกจากซีรีย์ดั้งเดิม ไม่ได้ลบฤดูกาลที่บิดเบือนข้อมูลต้นฉบับหรือไม่

เราได้ประโยชน์อะไรบ้างจากการสร้างอนุกรมเวลาโดยการลบฤดูกาล


1
ประโยคสุดท้ายของย่อหน้าเปิดของรายการ wikipedia เกี่ยวกับการปรับตามฤดูกาลให้เหตุผลว่าทำไมรัฐบาล (และองค์กรอื่น ๆ ที่ต้องจัดการกับการวางแผนรวมถึงธุรกิจจำนวนมาก) อาจต้องการทำเช่นนั้น
Glen_b -Reinstate Monica

คำตอบ:


7

เหตุผลตามที่ชาวพม่า:

สิ่งที่พบได้บ่อยที่สุดคือการประมาณแนวโน้มในปัจจุบันเพื่อให้การพยากรณ์ระยะสั้นสามารถทำได้ หรืออาจใช้กับชุดข้อมูลจำนวนมากซึ่งเข้าสู่แบบจำลองทางเศรษฐกิจเนื่องจากพบว่าไม่สามารถใช้ข้อมูลที่ไม่ได้ปรับปรุงกับหุ่นจำลองตามฤดูกาลในทุกรุ่น แต่รุ่นที่เล็กที่สุด: มักจะเรียกว่าโหมดประวัติศาสตร์ของการปรับฤดูกาล

วัตถุประสงค์หลักของการศึกษาตัวชี้วัดทางเศรษฐกิจคือการกำหนดขั้นตอนของวัฏจักรธุรกิจที่เศรษฐกิจอยู่ ความรู้ดังกล่าวช่วยในการคาดการณ์ความเคลื่อนไหวของวัฏจักรที่ตามมาและเป็นพื้นฐานสำหรับการทำตามขั้นตอนในการกลั่นกรองขอบเขตและขอบเขตของวัฏจักรธุรกิจ . . . อย่างไรก็ตามในการใช้ตัวชี้วัดนั้นนักวิเคราะห์มักประสบปัญหาเนื่องจากความยากลำบากในการแยกวงจรจากความผันผวนประเภทอื่น ๆ โดยเฉพาะอย่างยิ่งความผันผวนตามฤดูกาล

ถ้าคุณต้องการ 2 kopeks ของฉันฉันก็จะสรุปดังนี้:

  1. ความสะดวกสบาย: หากคุณจัดการกับซีรี่ส์เศรษฐกิจหลายชุดแต่ละชุดจะมีฤดูกาลของตัวเอง มันไม่สามารถจัดการกับฤดูกาลของแต่ละซีรีย์ในโมเดลหลายตัวแปรได้ ดังนั้นจึงเป็นเรื่องง่ายที่จะลดทอนชุดเศรษฐกิจทั้งหมดตามฤดูกาลก่อนที่จะเพิ่มลงในโมเดลหลายตัวแปรหรือวิเคราะห์ด้วยกัน
  2. การสกัดเทรนด์: ซีรีย์ทางเศรษฐกิจส่วนใหญ่นั้นเป็นไปตามฤดูกาลโดยเนื้อแท้เช่นราคาบ้านสูงขึ้นในฤดูร้อน ดังนั้นเมื่อดัชนีราคาบ้านลดลงอย่างกะทันหันมันไม่ได้เป็นเพราะมันส่งสัญญาณอะไรบางอย่างที่สำคัญในเศรษฐกิจ แต่มันอาจเป็นเพียงการลดลงตามฤดูกาลซึ่งไม่มีข้อมูลที่สำคัญ ดังนั้นเราต้องการแยกแยะชุดให้เข้าใจว่าเราอยู่ที่ไหน

ถ้าฉันกำลังทำโมเดลไทม์ซีรีย์โมเดลไม่ควรเรียนรู้ฤดูกาลและแนวโน้มในซีรีส์ด้วยหรือ
พระนารายณ์ viswanath

มีหลายวิธีในการทำเสมอกัน คุณอาจออกจากฤดูกาลตามลำดับจากนั้นจัดการกับมันในโครงสร้างความล่าช้ากับ SARIMA ตัวอย่างเช่น
Aksakal

ขอบคุณสำหรับการตอบกลับ. ดังนั้นจากความคิดเห็นของคุณฉันคิดว่าเราต้องคำนึงถึงฤดูกาลและแนวโน้มในการสร้างแบบจำลอง แต่บางครั้งเราก็ลบออกเพื่อให้เราสามารถเรียนรู้รูปแบบพื้นฐานและเรียนรู้ส่วนตามฤดูกาลแยกจากกันและรวมเข้าด้วยกัน ฉันถูกไหม?
vishnu viswanath

1
ใช่ไม่มีวิธีเดียวในการสร้างแบบจำลองคุณมีตัวเลือกที่แตกต่างกันเสมอ
Aksakal

0

เมื่อดูความสัมพันธ์ระหว่างตัวแปรสองตัวที่เป็นอนุกรมเวลาฤดูกาลจะลดองศาอิสระเนื่องจากข้อมูลจะไม่เป็นอิสระ ความสัมพันธ์แบบ "อนุกรม" นี้จะส่งผลให้เกิดความสัมพันธ์ปลอม ดังนั้นฤดูกาลจึงถูกกำจัดโดยมีเป้าหมายเพื่อเพิ่มระดับความอิสระ


ฉันคิดว่าคุณอาจจะมีข้อโต้แย้งที่ถูกต้องเกี่ยวกับอนุกรมเวลา แต่ฉันไม่เข้าใจการใช้คำว่า "degree if freedom" ในบริบทนี้
Michael R. Chernick

สิ่งที่ฉันหมายถึงคือจำนวนการสังเกตที่เป็นอิสระซึ่งจะช่วยให้เราสามารถคำนวณแถบข้อผิดพลาดเพื่อสร้างความสำคัญของสหสัมพันธ์ของเรา
Alberto M Mestas-Nunez

ตกลง. นั่นเป็นเรื่องที่แตกต่าง Degrees of freedom เป็นศัพท์ทางเทคนิคที่ใช้กับการแจกแจงแบบ T และ F
Michael R. Chernick
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.