비계 절화 카운트 데이터

R에서 stl ()을 사용하여 카운트 데이터를 추세, 계절 및 불규칙 구성 요소로 분해했습니다. 결과 트렌드 값은 더 이상 정수가 아닙니다. 다음과 같은 질문이 있습니다.

1. stl ()이 카운트 데이터를 비계 절화하는 적절한 방법입니까?
2. 결과 추세가 더 이상 값을 가지지 않으므로 lm ()을 사용하여 추세 구성 요소를 모델링 할 수 있습니까?

카운트 데이터의 비계 절화를 위해 stl ()을 사용하는 데 고유 한 문제는 없습니다. 그러나 알아야 할 한 가지 문제 는 일반적으로 평균이 증가함에 따라 카운트 데이터의 편차가 증가한다는 것입니다. 이것은 종종 분해의 계절적 요소와 무작위 요소 모두에서 볼 수 있습니다. 원시 데이터에 stl ()을 사용하면이를 고려하지 않으므로 먼저 데이터의 로그 (편집 또는 제곱근)를 사용하는 것이 가장 좋습니다.

트렌드 값이 더 이상 정수가 아닌 것은 중요하지 않습니다. 포아송 분포의 모수와 비슷한 방식으로 생각할 수 있습니다. 포아송 분산 변수는 정수 여야하지만 평균은 필요하지 않습니다.

그러나 이것이 반드시 lm ()을 사용하여 트렌드 구성 요소를 모델링 할 수 있다는 의미는 아닙니다. 가짜 상관 관계를 피하기가 매우 어렵 기 때문에 시계열의 모델링 트렌드에는 많은 함정이 있습니다. 보다 일반적으로 사람들은 먼저 시리즈를 추론 한 다음 잔차 부분을 모델링합니다.