การรวมอนุกรมเวลาเพื่อทำให้ดูมีความหมายมากขึ้นหรือไม่


10

คำถามอื่นเกี่ยวกับอนุกรมเวลาจากฉัน

ฉันมีชุดข้อมูลที่ให้บันทึกรายวันของเหตุการณ์รุนแรงในโรงพยาบาลจิตเวชเป็นเวลาสามปี ด้วยความช่วยเหลือจากคำถามก่อนหน้านี้ฉันเล่นซอกับมันและมีความสุขมากขึ้นในตอนนี้

สิ่งที่ฉันมีตอนนี้คือซีรี่ส์รายวันมีเสียงดังมาก มันผันผวนอย่างรุนแรงขึ้น ๆ ลง ๆ จาก 0 ถึง 20 เท่าการใช้พล็อตเหลืองและแพ็คเกจพยากรณ์ (ซึ่งฉันสามารถแนะนำสำหรับมือใหม่อย่างฉัน) ฉันเพิ่งได้รับเส้นแบนโดยสิ้นเชิงด้วยความมั่นใจอย่างมากจากการคาดการณ์

อย่างไรก็ตามการรวมข้อมูลรายสัปดาห์หรือรายเดือนทำให้รู้สึกมากขึ้น พวกเขากวาดลงจากจุดเริ่มต้นของซีรีส์แล้วเพิ่มอีกครั้งในกลาง การวางแผนและแพ็คเกจการคาดการณ์จะสร้างสิ่งที่ดูมีความหมายมากขึ้น

มันรู้สึกเหมือนโกงอยู่นิดหน่อย ฉันแค่ชอบรุ่นรวมเพราะดูดีโดยไม่มีเหตุผลจริงหรือไม่

หรือมันจะดีกว่าที่จะคำนวณค่าเฉลี่ยเคลื่อนที่และใช้เป็นพื้นฐาน? ฉันกลัวว่าฉันไม่เข้าใจทฤษฎีเบื้องหลังทั้งหมดนี้ดีพอที่จะมั่นใจในสิ่งที่ยอมรับได้

คำตอบ:


8

ทั้งหมดนี้ขึ้นอยู่กับอนุกรมเวลาของคุณและเอฟเฟกต์ที่คุณต้องการค้นหา / พิสูจน์ ฯลฯ

สิ่งสำคัญนี่คือช่วงเวลาใดที่คุณมีในข้อมูลของคุณ สร้างสเปกตรัมข้อมูลของคุณและดูว่าความถี่ใดที่พบได้ทั่วไปในข้อมูลของคุณ

อย่างไรก็ตามคุณไม่ได้โกหกเมื่อคุณตัดสินใจที่จะแสดงค่ารวม เมื่อคุณกำลังมองหาเอฟเฟ็กต์ที่เกิดขึ้นในช่วงหลายสัปดาห์ (เช่นความรุนแรงในหน้าร้อนเมื่ออากาศร้อน) เป็นสิ่งที่ถูกต้อง

บางทีคุณสามารถดูการเปลี่ยนแปลงของ Hilbert Huang นี่จะให้ฟังก์ชั่นโหมดภายในที่มีประโยชน์มากสำหรับการวิเคราะห์ภาพ


12

เป็นเรื่องธรรมดามากในการคาดการณ์ที่จะรวบรวมข้อมูลเพื่อเพิ่มอัตราส่วนสัญญาณ / เสียงรบกวน มีเอกสารหลายฉบับเกี่ยวกับผลกระทบของการรวมชั่วคราวที่มีต่อความถูกต้องของการคาดการณ์ทางเศรษฐศาสตร์ สิ่งที่คุณอาจเห็นในข้อมูลรายวันคือสัญญาณอ่อนที่กำลังถูกรบกวนด้วยสัญญาณรบกวนในขณะที่ข้อมูลรายสัปดาห์และรายเดือนแสดงสัญญาณที่แรงขึ้นซึ่งมองเห็นได้ชัดเจนขึ้น

ไม่ว่าคุณต้องการใช้การรวมทางโลกหรือไม่ขึ้นอยู่กับวัตถุประสงค์ของคุณ หากคุณต้องการการคาดการณ์เหตุการณ์รายวันการรวมกลุ่มจะไม่ใช้งานมากนัก หากคุณสนใจที่จะสำรวจผลกระทบของโควาเรียตหลายตัวต่อความถี่ของการเกิดอุบัติการณ์และข้อมูลทั้งหมดของคุณมีอยู่ทุกวันจากนั้นฉันอาจจะใช้ข้อมูลรายวันเพราะมันจะทำให้กลุ่มตัวอย่างมีขนาดใหญ่ขึ้นและอาจช่วยให้คุณตรวจจับได้ ผลกระทบได้ง่ายขึ้น

เนื่องจากคุณใช้แพ็คเกจการคาดการณ์คุณอาจสนใจในการพยากรณ์อนุกรมเวลา ดังนั้นคุณต้องการการคาดการณ์รายวันการคาดการณ์รายสัปดาห์หรือการคาดการณ์รายเดือนหรือไม่? คำตอบจะพิจารณาว่าการรวมตัวนั้นเหมาะสมกับคุณหรือไม่


1

ปัญหา (ภาวะที่กลืนไม่เข้าคายไม่ออก) ที่คุณเผชิญดูเหมือนจะเป็นหนึ่งในการเลือกช่วงเวลาการสุ่มตัวอย่างที่ดีที่สุด (หรือดีมาก) สำหรับการแก้ไขการคาดการณ์ของคุณ เริ่มต้นด้วยดูข้อความลิงก์ของหนังสือที่มีชื่อเสียงของ Brown ซึ่งอาจมีคุณสมบัติเป็นการอ้างอิงที่ดี ทั้งหมดนี้ทำให้เดือดร้อนเพื่อ "ปรับความเสี่ยงของการไม่สังเกตเห็นการเปลี่ยนแปลงอย่างรวดเร็วเมื่อเทียบกับความแปรปรวนโดยธรรมชาติของข้อมูลและค่าใช้จ่ายในการแก้ไขแผนบ่อย" หากคุณยังไม่พร้อมที่จะแก้ไขการคาดการณ์ของคุณ (และการตัดสินใจที่เป็นแรงจูงใจ) ทุกวันคุณไม่จำเป็นต้องใช้ข้อมูลรายวัน (เสียงดัง) ที่สุด จุดสำคัญที่มักจะหายไปในวรรณคดีการพยากรณ์ร่วมสมัยก็คือการคาดการณ์มีความจำเป็นเพียงเพื่อช่วยในการตัดสินใจ (เว้นแต่จะมีใครรู้วิธีที่จะได้รับความสนุกสนานจากพวกเขา)

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.