อันไหนดีกว่า stl หรือย่อยสลาย?

ฉันกำลังทำการวิเคราะห์อนุกรมเวลาโดยใช้อาร์ฉันต้องแยกย่อยข้อมูลของฉันออกเป็นแนวโน้มองค์ประกอบตามฤดูกาลและการสุ่ม ฉันมีข้อมูลรายสัปดาห์เป็นเวลา 3 ปี ฉันได้พบทั้งสองฟังก์ชั่นในการวิจัย - และstl() decompose()ฉันได้อ่านแล้วว่าstl()มันไม่ดีสำหรับการย่อยสลายแบบทวีคูณ ใครสามารถบอกฉันเกี่ยวกับสถานการณ์ที่ฟังก์ชั่นเหล่านี้ใช้งานได้บ้าง

STLผมจะบอกว่า STL ทำเทรนด์และฤดูกาลให้ดู: http://www.wessa.net/download/stl.pdf

การแยกตามฤดูกาลจะดูเอกสารที่นี่เท่านั้น: http://stat.ethz.ch/R-manual/R-devel/library/stats/html/decompose.html

เมื่อคุณทำงานกับพวกเขาโปรดตรวจสอบให้แน่ใจว่าได้รวมประเภทเทรนด์ของคุณแล้ว แนวโน้มบางครั้งก็อาจมีปัจจัยทำให้หมาด ๆ เช่นกัน

จากการสลายตัวแบบทวีคูณฉันถือว่าคุณหมายถึงในกรณีของแนวโน้ม คุณไม่น่าจะใช้การย่อยสลายแบบทวีคูณเว้นแต่ว่าคุณกำลังแยกฟังก์ชั่นการเติบโตแบบทวี

ข้อเสียของdecomposeฟังก์ชั่นใน R:

1. การประเมินแนวโน้มไม่พร้อมใช้งานสำหรับการสังเกตสองถึงสามครั้งแรกและสุดท้าย
2. สันนิษฐานว่าองค์ประกอบตามฤดูกาลมีการทำซ้ำทุกปี

ดังนั้นฉันจะชอบ STL เป็นไปได้ที่จะได้รับการย่อยสลายแบบทวีคูณโดยการบันทึกครั้งแรกของข้อมูลและจากนั้นเปลี่ยนองค์ประกอบกลับ

STL เป็นเทคนิคขั้นสูงมากขึ้นในการแยกฤดูกาลตามความหมายที่อนุญาตให้ฤดูกาลเปลี่ยนไปซึ่งไม่ได้เป็นเช่นdecomposeนั้น

เพื่อให้เข้าใจว่า STL ทำงานอย่างไร:

• อัลกอริทึมประเมินซีรีย่อยย่อยตามฤดูกาล (ในฤดูกาล 7 วันมันจะประมาณ 7 ซีรีย์ย่อย: ซีรีย์วันจันทร์เวลาซีรีย์วันอังคารเป็นต้น)
• จากนั้นจะประมาณฤดูกาลตามฤดูกาลโดยเรียกใช้การถดถอยแบบเหลืองในทุกชุดย่อย

วิธีนี้ช่วยให้สามารถจับภาพเอฟเฟกต์ต่าง ๆ ในฤดูกาลได้ หากคุณไม่ต้องการให้ฤดูกาลของคุณแตกต่างกัน (ในคำอื่น ๆ ผลกระทบโดยประมาณของแต่ละซีรีย่อยจะยังคงไม่เปลี่ยนแปลงตลอดทั้งซีรีส์เวลา) คุณสามารถระบุหน้าต่างตามฤดูกาลให้เป็นอนันต์หรือ "เป็นระยะ" สิ่งนี้เทียบเท่ากับค่าเฉลี่ยของแต่ละซีรีย่อยและให้น้ำหนักเท่ากันทุกจุด (คุณไม่มีเอฟเฟกต์ "ท้องถิ่น" อีกต่อไป) decomposeโดยพื้นฐานแล้วจะเหมือนกันเนื่องจากส่วนประกอบย่อยตามฤดูกาลจะคงที่ตลอดช่วงเวลาทั้งหมดของคุณซึ่งเป็นองค์ประกอบพิเศษของ STL

นี้จะสวยดีอธิบายที่นี่: https://www.otexts.org/fpp/6/1

STL ประมาณฤดูกาลตามวิธีการเพิ่มเติม ดังที่อธิบายไว้ไม่กี่หน้าในภายหลังในแหล่งที่มาก่อนหน้านี้คุณสามารถประมาณฤดูกาลตามวิธีการคูณโดยหันไปใช้การบันทึกการเปลี่ยนแปลง (หรือการแปลง Cox-Box)