วิธีที่จะทำให้ชุดเวลานิ่ง?


42

นอกเหนือจากการรับความแตกต่างแล้วมีเทคนิคอื่นใดสำหรับการสร้างซีรีส์เวลาที่ไม่หยุดนิ่ง

ปกติหนึ่งหมายถึงชุดว่า " บูรณาการของการสั่งซื้อหน้า " ถ้ามันสามารถทำนิ่งผ่านผู้ประกอบการล่าช้าX_t(1L)PXt

คำตอบ:


18

การยกเลิกแนวโน้มเป็นพื้นฐาน ซึ่งรวมถึงการถอยหลังกับผู้มีเงินร่วมอื่นที่ไม่ใช่เวลา

การปรับตามฤดูกาลเป็นรุ่นที่มีความแตกต่างกัน แต่อาจตีความได้ว่าเป็นเทคนิคที่แยกต่างหาก

การแปลงข้อมูลเป็นการแปลงโอเปอเรเตอร์ที่ต่างออกไปเป็นอย่างอื่นโดยปริยาย เช่นความแตกต่างของลอการิทึมเป็นอัตราส่วนจริง

เทคนิคการทำให้ราบเรียบ EDAบางอย่าง(เช่นการลบค่ามัธยฐานเคลื่อนที่) อาจตีความได้ว่าเป็นวิธีการทำให้เสียโฉมแบบไม่มีพารามิเตอร์ พวกเขาถูกใช้โดย Tukey ในหนังสือของเขาที่ EDA Tukey ดำเนินการต่อโดย detrending ส่วนที่เหลือและทำซ้ำขั้นตอนนี้ตราบเท่าที่จำเป็น (จนกว่าเขาจะประสบความสำเร็จในส่วนที่เหลือที่ปรากฏนิ่งและกระจาย symmetrically รอบศูนย์)


คุณสามารถอธิบายเพิ่มเติมเกี่ยวกับวิธีการทำแนวโน้มได้หรือไม่ วิธีการลบผลกระทบของ covariates โดยการถดถอยหรือไม่ หากฉันถูกต้องมันจะใช้ได้เฉพาะกับอนุกรมเวลาหลายตัวแปร
Arpit Sisodia

1
@Arpit คุณแทนที่ข้อมูลต้นฉบับด้วยส่วนที่เหลือของพวกเขาในการถดถอยกับ covariates มันใช้กับอนุกรมเวลา univariate เช่นเดียวกับอนุกรมเวลาหลายตัวแปร นี่คืออธิบายเพิ่มเติมและภาพประกอบที่stats.stackexchange.com/a/113207/919และstats.stackexchange.com/a/46508/919
whuber

@whuber คุณไม่คิดว่าการถดถอยกับ covariates (ที่ไม่หยุดนิ่ง) ทำให้เรามีปัญหากับการถดถอยที่น่าเกรงขาม?
Vishaal Sudarsan

10

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


คุณสามารถอธิบายสิ่งที่มีค่าสัมประสิทธิ์อีกเล็กน้อยสำหรับผู้เริ่มต้น? ฉันรู้สึกว่าวิธีการของคุณมีค่าลองเพราะถ้าฉันแตกต่างบันทึกในกรณีของฉัน (อัตราการเจริญเติบโต) แนวโน้มแบน แต่ฤดูกาลจะแข็งแกร่ง ดังนั้นวิธีการที่คล้ายคลึงกันดูเหมือนจะคุ้มค่าที่จะลอง แต่ฉันจะทำอย่างไรกับสัมประสิทธิ์ทั้งสองนี้? โดยเฉพาะฉันหมายถึงหุ่น ...
hans0l0

ran2 ฉันรู้ว่ามันอาจจะไม่ชัดเจน แต่ฉันไม่สามารถอธิบายได้ดีกว่าที่ฉันมีอยู่แล้ว มันเป็นภาพสะท้อนของทักษะการสื่อสารของฉันมากกว่าสิ่งใด ฉันขอแนะนำวิธีแก้ไขเบื้องต้นที่ใช้งานได้บ่อยกว่านั้นแทน นั่นคือเพียงแค่เปลี่ยนตัวแปรอนุกรมเวลาของคุณให้เป็น% การเปลี่ยนแปลงจากช่วงเวลาหนึ่งไปยังอีกช่วงเวลาหนึ่งและต่อไปเรื่อย ๆ การมุ่งเน้นที่การเปลี่ยนแปลง% แทนที่จะเป็นค่าเล็กน้อยจะเปลี่ยนตัวแปรที่ไม่คงที่ให้กลายเป็นตัวแปรที่อยู่นิ่งซึ่งคุณสามารถถอยหลังได้อย่างง่ายดาย
Sympa

7

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


4

ความแตกต่างกับซีรี่ส์อื่น เช่นราคาน้ำมันเบรนต์ไม่คงที่ แต่ราคาน้ำมันดิบเบรนท์เบาบางคือ ข้อเสนอที่มีความเสี่ยงมากขึ้นสำหรับการคาดการณ์คือการเดิมพันว่ามีความสัมพันธ์ร่วมร่วมกับอนุกรมเวลาอื่น


4

คุณสามารถใส่ข้อมูล / เส้นโค้งผ่านข้อมูลและใช้ส่วนที่เหลือได้หรือไม่? ส่วนที่เหลือจะอยู่กับที่หรือไม่

ดูเหมือนจะเต็มไปด้วยประเด็นที่ต้องพิจารณาและอาจจะไม่มีข้อบ่งชี้ที่ชัดเจนว่าเป็นเส้นโค้งที่มีความยืดหยุ่นสูงเกินไปเนื่องจากมีความแตกต่างมากเกินไป


+1 สำหรับการระบุโซลูชันที่ชัดเจนและยังไม่มีการกล่าวถึงอย่างไม่มีการลด ทุกวิธีจะเต็มไปด้วยปัญหา แต่การปรับแบบไม่พารามิเตอร์นั้นเป็นพื้นฐานและจำเป็นต้องมีการสำรวจที่ดีว่าวิธีการที่นำเสนอแบบอื่น ๆ ทั้งหมดเกี่ยวข้องกับวิธีนี้อย่างไร จะยินดีที่จะได้ยินเสียงของแหล่งที่เกี่ยวข้อง ...
zkurtz
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.