계절 분해 방법 선택


20

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.아르 자형

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?).

1
이 답변 과 거기에 주어진 참고 문헌에 관심 있을 수 있습니다 .
javlacalle

답변:


4

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.


대부분의 진단 도구는 일반적으로 통계 패키지에 숨겨져 있기 때문에 X12-ARIMA 이상의 트릭을 먼저 배워야한다는 것을 의미합니다. 실용적인 관점에서, 원숭이 스타일의 프레스-하단-결과를 얻을 때 Tramo / Seats가 X12-ARIMA보다 더 잘 작동합니다 (웃음 원숭이 테스트로 시각적으로 판단하는 경우). 일반적으로 동일한 원숭이 스타일 작업을 수행하므로 계절 분해 기술을 배우는 것이 좋습니다. 일반 가이드를위한 (+1)!
Dmitrij Celov

X-12-ARIMA에서 기본 .out파일에는 진단 페이지가 있으며 매뉴얼을 읽고 몇 개 더 켜면 문자 그대로 페이지와 정보 페이지, ASCII 그래프 및 진단이 있습니다. 논리적으로 구성되고 번호가 매겨져 있으며 모든 진단은 데이터가 나온 섹션을 다시 참조합니다. 이러한 진단을 살펴보고이를 이해하는 데 필요한 것을 배우는 것은 매우 교육적입니다. 일부 진단에는 독창적 인 휴리스틱이 있습니다. 이 정보의 대부분을 파일로 가져 와서 R로 쉽게 가져 와서 조작하고 올바르게 그래프로 만들 수 있습니다.
Wayne

당분간 (아무도 더 자세한 정보를 제공하려고 시도하지 않을 경우)이 정보를 올바른 것으로 표시하지만 개인적으로 알고 싶은 것은 실용적인 지침, 유용한 규칙 및 그래픽 및 많은 것입니다. 나보다 훨씬 더 깊이 파는 사람들의 다른 방법. 매뉴얼을 읽는 게으른 사람이라고 말하지만, 그렇게하면 아마 아래 링크를 통해 가능할 것입니다.
Dmitrij Celov

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.