การสลายตัวของดินเหลืองมีจุดประสงค์เพื่อทำให้ชุดเรียบขึ้นโดยใช้ค่าเฉลี่ยกับข้อมูลเพื่อให้ยุบลงในองค์ประกอบเช่นแนวโน้มหรือฤดูกาลที่น่าสนใจสำหรับการวิเคราะห์ข้อมูล แต่วิธีการนี้ไม่ได้มีวัตถุประสงค์ที่จะทำอย่างเป็นทางการสำหรับการทดสอบการปรากฏตัวของฤดูกาล
แม้ว่าในตัวอย่างของคุณstl
จะส่งคืนรูปแบบที่ราบรื่นของช่วงเวลาตามฤดูกาล แต่รูปแบบนี้ไม่เกี่ยวข้องกับการอธิบายการเปลี่ยนแปลงของซีรีส์ เพื่อที่จะดูว่าเราสามารถเปรียบเทียบความแปรปรวนของแต่ละองค์ประกอบด้วยความเคารพต่อความแปรปรวนของซีรี่ส์ต้นฉบับ
set.seed(123)
x <- ts(rnorm(144, sd=1), frequency=12)
a <- stl(x, s.window="periodic")
apply(a$time.series, 2, var) / var(x)
# seasonal trend remainder
# 0.07080362 0.07487838 0.81647852
เราสามารถเห็นได้ว่าเป็นส่วนที่เหลือซึ่งอธิบายถึงความแปรปรวนส่วนใหญ่ในข้อมูล (ตามที่เราคาดหวังสำหรับกระบวนการลดเสียงรบกวนสีขาว)
หากเราใช้ซีรีส์ตามฤดูกาลความแปรปรวนแบบสัมพัทธ์ขององค์ประกอบตามฤดูกาลนั้นมีความเกี่ยวข้องมากขึ้น (แม้ว่าเราจะไม่มีวิธีที่ตรงไปตรงมาในการทดสอบเพราะมันไม่ได้เป็นตัวแปร)
y <- diff(log(AirPassengers))
b <- stl(y, s.window="periodic")
apply(b$time.series, 2, var) / var(y)
# seasonal trend remainder
# 0.875463620 0.001959407 0.117832537
ความแปรปรวนแบบสัมพัทธ์ระบุว่าฤดูกาลเป็นองค์ประกอบหลักที่อธิบายการเปลี่ยนแปลงของซีรีย์
ความประมาทที่พล็อตจากstl
นั้นอาจเป็นการหลอกลวง รูปแบบที่ดีที่ส่งคืนมาstl
อาจทำให้เราคิดว่าสามารถระบุรูปแบบตามฤดูกาลที่เกี่ยวข้องในข้อมูลได้ แต่การมองอย่างใกล้ชิดอาจเปิดเผยว่าไม่ใช่เรื่องจริง หากจุดประสงค์คือการตัดสินใจเกี่ยวกับการปรากฏตัวของฤดูกาลการสลายตัวของดินเหลืองจะมีประโยชน์ในมุมมองเบื้องต้น แต่ควรเสริมด้วยเครื่องมืออื่น ๆ