시계열에서 계절성을 제거해야하는 이유는 무엇입니까?


11

시계열로 작업하는 동안 스펙트럼 분석을 사용하여 계절성을 감지하고 제거하는 경우가 있습니다. 나는 시계열의 진정한 초보자이며 왜 원래 시계열에서 계절성을 제거하고 싶습니까? 계절성을 제거하지 않으면 원래 데이터가 왜곡되지 않습니까?

계절성을 제거하여 시계열을 구성하면 어떤 이점이 있습니까?


1
계절 조정 에 대한 위키 백과 항목의 시작 단락의 마지막 문장은 정부 (및 많은 비즈니스를 포함하여 계획을 다루어야하는 다른 조직)가이를 원하는 이유를 제공합니다.
Glen_b-복지 모니카

답변:


7

버먼에 따른 이유 :

가장 일반적인 것은 현재 추세의 추정치를 제공하여 판단 할 수있는 단기 예측을하는 것입니다. 또는 가장 작은 모델을 제외한 모든 모델에 계절별 인형과 함께 조정되지 않은 데이터를 사용하는 것이 불가능하기 때문에 경제 모델에 들어가는 많은 시리즈에 적용될 수 있습니다.

경제 지표를 연구하는 주요 목적은 경제가 서있는 비즈니스 사이클 단계를 결정하는 것입니다. 이러한 지식은 후속주기적인 움직임을 예측하는 데 도움이되고 비즈니스주기의 진폭과 범위를 조정하기위한 단계를 수행하기위한 실질적인 근거를 제공합니다. . . . 그러나 지표를 사용할 때, 분석가는 주기적 변동을 다른 유형의 변동, 특히 계절 변동과 분리하기가 어렵다는 점에서 여러 해 동안 어려움을 겪고 있습니다.

내 두 kopek을 원한다면 다음과 같이 요약합니다.

  1. 편의성 : 여러 경제 시리즈를 다루는 경우 각각의 계절이 있습니다. 다변량 모델에서 각 계열의 계절성을 다루는 것은 비현실적입니다. 따라서 다변량 모델에 추가하거나 함께 분석하기 전에 모든 경제 계열을 계절별로 정리하는 것이 더 쉽습니다.
  2. 트렌드 추출 : 많은 경제 시리즈는 본질적으로 계절적입니다. 예를 들어 여름에 주택 가격이 더 높습니다. 따라서 주택 가격 지수가 갑자기 하락할 때 경제에서 중요한 것을 나타내는 것이 아니라 항상 계절적인 하락이 될 수 있으며 중요한 정보는 없습니다. 따라서 우리는 시리즈를 비계 절화하여 현재 위치를 이해하려고합니다.

시계열 모델링을 수행하는 경우 모델에서 시리즈의 계절 성과 추세를 배우지 않아야합니까?
vishnu viswanath

타이 시리즈를 수행하는 방법에는 여러 가지가 있습니다. 예를 들어 계절성을 계절에두고 SARIMA와 함께 지연 구조에서 명시 적으로 처리 할 수 ​​있습니다.
Aksakal

답장을 보내 주셔서 감사합니다. 여러분의 의견에서, 우리는 모델링에서 계절 성과 추세를 설명해야한다고 가정하지만 때로는 기본 패턴을 배우고 계절 부분을 별도로 배우고 결합 할 수 있도록 그것들을 제거합니다. 내가 맞아?
vishnu viswanath 1

1
예, 모델링 방법은 하나도 없으며 항상 다른 옵션이 있습니다.
Aksakal

0

시계열 인 두 변수 간의 관계를 살펴보면 데이터가 독립적이지 않기 때문에 계절성은 계절 자유도를 줄입니다. 이 "직렬"상관 관계는 가짜 상관 관계가됩니다. 따라서 자유도를 높이기 위해 계절성이 제거됩니다.


나는 당신이 시계열에 대해 몇 가지 타당한 주장을하고 있다고 생각하지만이 문맥에서 "자유도를 결정한다"라는 용어의 사용을 이해하지 못합니다.
Michael R. Chernick

의미하는 것은 우리가 상관 관계의 중요성을 설정하기 위해 오차 막대를 계산할 수있는 독립적 인 관측치의 수입니다.
Alberto M Mestas-Nunez

괜찮아. 그것은 다른 문제입니다. 자유도는 t 및 F 분포에 적용되는 기술적 통계 용어입니다.
Michael R. Chernick
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.