Mevsimsel düzeltme , daha ileri araştırmalar için verilerin önişleminde önemli bir adımdır. Ancak araştırmacının trend döngüsü-mevsimsel ayrışma için bir dizi seçeneği vardır. En yaygın (ampirik literatürdeki atıf sayısına göre değerlendirilir) rakip mevsimsel ayrışma yöntemleri X-11 (12) -ARIMA, Tramo / Koltuklar (her ikisi de Demetra + 'da uygulanır ) ve ' s stl'dir . Yukarıda belirtilen ayrıştırma teknikleri (veya mevsimsel kukla değişkenler gibi diğer basit yöntemler) arasında rasgele seçimden kaçınmaya çalışarak, mevsimsel ayrışma yönteminin etkili bir şekilde seçilmesine yol açan temel bir strateji bilmek istiyorum.
Birkaç önemli alt soru (bir tartışma bağlantılarını da bekliyoruz) olabilir:
- Yöntemlerin benzerlikleri ve farklılıkları, güçlü ve zayıf noktaları nelerdir? Bir yöntemin diğerlerinden daha fazla tercih edildiği özel durumlar var mı?
- Farklı ayrıştırma yöntemlerinin kara kutunun içindekilere genel rehberlik sağlayabilir misiniz?
- Yöntemler için parametreleri seçen özel hileler var mı (her zaman varsayılanlardan memnun değilim,
stl
örneğin başa çıkmak için birçok parametre var, bazen sadece bunları doğru bir şekilde nasıl seçeceğimi bilmiyorum). - Zaman serisinin mevsimsel olarak verimli bir şekilde ayarlandığını gösteren bazı (istatistiksel) kriterler önermek mümkün mü (korelogram analizi, spektral yoğunluk? Küçük örneklem büyüklüğü kriterleri? Sağlamlık?).