Sayım verilerinin mevsimsizleştirilmesi


12

Sayım verilerini trend, mevsimsel ve düzensiz bileşenlere ayırmak için R'de stl () kullandım. Ortaya çıkan trend değerleri artık tamsayı değildir. Aşağıdaki sorularım var:

  1. Stl () sayım verilerini mevsimsellikten arındırmak için uygun bir yöntem midir?
  2. Sonuçta ortaya çıkan eğilim artık tamsayı olarak değerlendirilmediğinden, trend bileşenlerini modellemek için lm () kullanabilir miyim?

Yanıtlar:


8

Sayım verilerinin mevsimsellikten arındırılması için stl () kullanılmasıyla ilgili doğal bir sorun yoktur. Bir konu sayım verileri genellikle ortalama arttıkça artan bir varyans sahip olmasıdır ancak farkında olmak. Bu genellikle ayrışmanın hem mevsimsel hem de rastgele elemanlarında görülür. Ham verilerde stl () kullanılması bunu dikkate almaz ve bu nedenle öncelikle verilerinizin logaritmasını (düzenle veya kare kökü) almak en iyisi olabilir.

Trend değerlerinin artık tam sayı olmaması önemli değildir. Poisson dağılımındaki parametreye benzer şekilde düşünülebilirler. Her ne kadar bir Poisson dağıtılmış değişkeni bir tamsayı olsa da, ortalamanın olması gerekmez.

Ancak bu, trend bileşenini modellemek için lm () kullanabileceğiniz anlamına gelmez. Sahte korelasyonlardan kaçınmak çok zor olacağından, zaman serilerindeki eğilimleri modellemede birçok tuzak vardır. Daha yaygın olarak insanlar önce serileri inceler ve sonra kalan kısmı modeller.


1
Kaç tane trendin olması gerektiğini ve her trendin uzunluğunu nasıl belirliyorsunuz? Seviye kaymaları ve eğilimler arasında ayrım yapıyor musunuz ve genel olarak, aykırı değerlerin / aykırı değerlerin varlığından nasıl etkileniyorsunuz?
IrishStat

@IrishStat - evet, bunların hepsi iyi puanlar ve tüm sorunları ele almaya çalışmıyordum, sadece trend bileşenini R'nin stl () çıktısından bir regresyonda yanıt değişkeni olarak kullanma sorunlarına dikkat edin . stl (), ayrışmasında yerel olarak ağırlıklı regresyon kullanır, bu da yön değiştirme vb. konusunda genellikle mantıklı sonuçlar verir, ancak elbette özellikle öngörme için model tabanlı yöntemlerle karşılaştırıldığında sınırlamaları vardır.
Peter Ellis
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.