Ma question est vraiment simple mais ce sont celles qui m'ont vraiment :) Je ne sais pas vraiment comment évaluer si une série temporelle spécifique doit être décomposée en utilisant un additif ou une méthode de décomposition multiplicative. Je sais qu'il y a des indices visuels pour les distinguer les uns des autres mais je ne les comprends pas.
Prenez par exemple cette série chronologique:
Comment le décririez-vous?
Merci d'avance pour votre aide.
time-series
mathematical-statistics
variance-decomposition
4apprentissage
la source
la source
R
code pour) une méthode exploratoire simple et robuste, le «diagramme de propagation par rapport au niveau». Je peux observer votre graphique et voir que lorsque les valeurs sont proches de 600, les amplitudes de leur variation à court terme sont presque d'un ordre de grandeur plus grandes que lorsqu'elles sont proches de 200: cela indique que l'on considère une racine carrée logarithmique, réciproque ou peut-être réciproque.Réponses:
En plus de ce que @whuber a recommandé, je vous renvoie à https://www.otexts.org/fpp/6/1 qui explique pourquoi vous choisiriez la décomposition additive ou multiplicative.
En examinant spécifiquement vos données, parce que la saisonnalité varie, c'est-à-dire que la saisonnalité au début est importante et que la saisonnalité n'est presque pas présente dans les dernières années, cela suggérerait une décomposition multiplicative. Selon le texte référencé ci-dessus, une alternative serait de faire une transformation appropriée et d'appliquer une décomposition additive.
Il y a un changement de niveau dans les données quelque temps autour du mod 1972 qui doit également être traité lors de la décomposition.
Il existe une autre méthode basée sur la décomposition appelée modèle de composants non observés qui prend la plupart des devinettes hors de la décomposition et vous fournit de bonnes statistiques pour prendre des décisions judicieuses telles que les tendances stochastiques vs déterministes / saisonnalité, etc.
J'espère que cela t'aides.
la source