계절 분해 방법 선택

계절 조정 은 추가 연구를 위해 데이터를 전처리하는 중요한 단계입니다. 그러나 연구원은 추세주기 계절 분해를위한 여러 가지 옵션을 가지고 있습니다. 라이벌 계절 분해법 (경험적 문헌에서 인용 숫자로 판정) 가장 일반적인 X-11 (12) -ARIMA, Tramo / 좌석 (모두 구현된다 DEMETRA + ) 및 의 STL . 위에서 언급 한 분해 기술 (또는 계절 더미 변수와 같은 다른 간단한 방법) 사이에서 무작위 선택을 피하기 위해 계절 분해 방법을 효과적으로 선택하는 기본 전략을 알고 싶습니다.$R$

몇 가지 중요한 하위 질문 (토론 링크도 환영합니다)은 다음과 같습니다.

1. 방법의 유사점과 차이점, 강점과 약점은 무엇입니까? 한 가지 방법이 다른 방법보다 더 좋은 특별한 경우가 있습니까?
2. 다양한 분해 방법의 블랙 박스 내부에있는 일반적인 지침을 제공 할 수 있습니까?
3. 메소드에 대한 매개 변수를 선택하는 특별한 트릭이 있습니까 ( stl예를 들어 항상 기본값에 만족 하지는 않습니다.
4. 시계열이 계절에 따라 효율적으로 조정된다는 일부 (통계적) 기준을 제안 할 수 있습니까 (상대 분석, 스펙트럼 밀도, 작은 표본 크기 기준, 견고성?).

진단에 대한 이해를 기꺼이하고자한다면 X12-ARIMA는 (ASCII) 그래프부터 룰 (thumb-of-thumb) 표시기까지 다양한 진단 기능을 제공합니다. 진단을 배우고 이해하는 것은 시계열 및 계절 조정 교육입니다.

반면에 X12-ARIMA 소프트웨어는 하나의 트릭 조랑말이지만 R에서 stl을 사용하면 다른 작업을 수행하고 원하는 경우 다른 방법 (분해, dlm 등)으로 전환 할 수 있습니다.

반면에 X12-Arima를 사용하면 외생 변수를 쉽게 포함하고 특이 치를 표시 할 수 있습니다.

이것이 2 번 문제의 답입니다.

• STL : http://www.wessa.net/download/stl.pdf
• X-12-ARIMA (및 기타) : http://www.census.gov/srd/www/sapaper/sapaper.html