นอกเหนือจากการรับความแตกต่างแล้วมีเทคนิคอื่นใดสำหรับการสร้างซีรีส์เวลาที่ไม่หยุดนิ่ง
ปกติหนึ่งหมายถึงชุดว่า " บูรณาการของการสั่งซื้อหน้า " ถ้ามันสามารถทำนิ่งผ่านผู้ประกอบการล่าช้าX_t
นอกเหนือจากการรับความแตกต่างแล้วมีเทคนิคอื่นใดสำหรับการสร้างซีรีส์เวลาที่ไม่หยุดนิ่ง
ปกติหนึ่งหมายถึงชุดว่า " บูรณาการของการสั่งซื้อหน้า " ถ้ามันสามารถทำนิ่งผ่านผู้ประกอบการล่าช้าX_t
คำตอบ:
การยกเลิกแนวโน้มเป็นพื้นฐาน ซึ่งรวมถึงการถอยหลังกับผู้มีเงินร่วมอื่นที่ไม่ใช่เวลา
การปรับตามฤดูกาลเป็นรุ่นที่มีความแตกต่างกัน แต่อาจตีความได้ว่าเป็นเทคนิคที่แยกต่างหาก
การแปลงข้อมูลเป็นการแปลงโอเปอเรเตอร์ที่ต่างออกไปเป็นอย่างอื่นโดยปริยาย เช่นความแตกต่างของลอการิทึมเป็นอัตราส่วนจริง
เทคนิคการทำให้ราบเรียบ EDAบางอย่าง(เช่นการลบค่ามัธยฐานเคลื่อนที่) อาจตีความได้ว่าเป็นวิธีการทำให้เสียโฉมแบบไม่มีพารามิเตอร์ พวกเขาถูกใช้โดย Tukey ในหนังสือของเขาที่ EDA Tukey ดำเนินการต่อโดย detrending ส่วนที่เหลือและทำซ้ำขั้นตอนนี้ตราบเท่าที่จำเป็น (จนกว่าเขาจะประสบความสำเร็จในส่วนที่เหลือที่ปรากฏนิ่งและกระจาย symmetrically รอบศูนย์)
ฉันยังคงคิดว่าการใช้การเปลี่ยนแปลง% จากช่วงเวลาหนึ่งไปอีกช่วงเป็นวิธีที่ดีที่สุดในการแสดงตัวแปรที่ไม่หยุดนิ่งตามที่คุณแนะนำ การแปลงเช่นบันทึกทำงานได้ดีพอสมควร (จะทำให้คุณภาพที่ไม่คงที่ แต่จะไม่กำจัดทิ้งทั้งหมด)
วิธีที่สามคือ deseasonalize และ de-trend ข้อมูลพร้อมกันในการถดถอยเชิงเส้นเดียว ตัวแปรอิสระหนึ่งตัวจะเป็นแนวโน้ม (หรือเวลา): 1, 2, 3, ... ตามระยะเวลาที่คุณมี และตัวแปรอื่น ๆ จะเป็นตัวแปรเด็ดขาดที่มี 11 หมวดหมู่ที่แตกต่างกัน (สำหรับ 11 ใน 12 เดือน) จากนั้นการใช้ค่าสัมประสิทธิ์ที่เกิดจากการถดถอยนี้คุณสามารถ detrend และยกเลิกการปรับข้อมูลตามฤดูกาล คุณจะเห็นชุดข้อมูลทั้งหมดของคุณเป็นแบบเรียบ ความแตกต่างที่เหลืออยู่ระหว่างงวดจะสะท้อนถึงการเปลี่ยนแปลงที่เป็นอิสระจากทั้งแนวโน้มการเติบโตและฤดูกาล
บันทึกและการแลกเปลี่ยนและการแปลงพลังงานอื่น ๆ มักให้ผลลัพธ์ที่ไม่คาดคิด
สำหรับการทำลายล้างสิ่งตกค้าง (เช่น Tukey) อาจมีบางแอปพลิเคชั่นในบางกรณี แต่อาจเป็นอันตรายได้ ในทางตรงกันข้ามการตรวจจับการเปลี่ยนแปลงระดับและการเปลี่ยนแปลงแนวโน้มนั้นมีให้อย่างเป็นระบบสำหรับนักวิจัยที่ใช้วิธีการตรวจจับการแทรกแซง เนื่องจากการเลื่อนระดับเป็นความแตกต่างของแนวโน้มเวลาเช่นเดียวกับพัลส์คือความแตกต่างของการเลื่อนระดับวิธีการที่ใช้โดย Ruey Tsay ได้รับการครอบคลุมอย่างง่ายดายจากปัญหานี้
หากซีรีส์มีการเปลี่ยนแปลงระดับ (เช่นการเปลี่ยนแปลงในการสกัดกั้น) การแก้ไขที่เหมาะสมเพื่อทำให้ซีรีย์นิ่งคือ "demean" ซีรีส์ Box-Jenkins แก้ไขข้อผิดพลาดอย่างรุนแรงโดยสมมติว่าวิธีการรักษาที่ไม่คงที่เป็นตัวดำเนินการที่แตกต่าง ดังนั้นบางครั้งความแตกต่างก็เหมาะสมและบางครั้งการปรับค่ากะ "s" ก็เหมาะสม ในทั้งสองกรณีฟังก์ชั่นความสัมพันธ์อัตโนมัติสามารถแสดงความไม่คงที่ได้ นี่เป็นอาการของสถานะของซีรีส์ (เช่นเครื่องเขียนหรือเครื่องที่ไม่หยุดนิ่ง) ในกรณีที่ไม่ปรากฏชัดเจนสาเหตุอาจแตกต่างกัน ตัวอย่างเช่นซีรีส์มีค่าเฉลี่ยที่เปลี่ยนแปลงอย่างต่อเนื่องหรือชุดมีการเปลี่ยนแปลงค่าเฉลี่ยชั่วคราว
วิธีที่แนะนำคือเสนอครั้งแรกในปีพ. ศ. นักวิจัยควรอ้างถึงบทความการพยากรณ์วารสารของ Tsay เรื่อง "Outliers, Level Shifts และการเปลี่ยนแปลงความแปรปรวนในอนุกรมเวลา", วารสารวิชาการพยากรณ์เล่มที่ 5 7, I-20 (1988)
ตามปกติตำราเรียนจะช้าในการรวมเทคโนโลยีชั้นนำ แต่วัสดุนี้สามารถอ้างอิงได้ในหนังสือ Wei (เช่นการวิเคราะห์อนุกรมเวลา), Delurgio และ Makradakis ครอบคลุมการแทรกแซงแบบผสมผสาน แต่ไม่สามารถตรวจจับข้อความของ Wei ได้
ความแตกต่างกับซีรี่ส์อื่น เช่นราคาน้ำมันเบรนต์ไม่คงที่ แต่ราคาน้ำมันดิบเบรนท์เบาบางคือ ข้อเสนอที่มีความเสี่ยงมากขึ้นสำหรับการคาดการณ์คือการเดิมพันว่ามีความสัมพันธ์ร่วมร่วมกับอนุกรมเวลาอื่น
คุณสามารถใส่ข้อมูล / เส้นโค้งผ่านข้อมูลและใช้ส่วนที่เหลือได้หรือไม่? ส่วนที่เหลือจะอยู่กับที่หรือไม่
ดูเหมือนจะเต็มไปด้วยประเด็นที่ต้องพิจารณาและอาจจะไม่มีข้อบ่งชี้ที่ชัดเจนว่าเป็นเส้นโค้งที่มีความยืดหยุ่นสูงเกินไปเนื่องจากมีความแตกต่างมากเกินไป