Chaque série chronologique doit être évaluée séparément avec l'idée ultime de collecter, c'est-à-dire de regrouper des séries similaires en groupes ou en sections comme ayant une structure similaire / commune. Étant donné que les données de séries chronologiques peuvent être intervenues avec une structure déterministe inconnue à des poins non spécifiés dans le temps, il est conseillé de faire une détection d'intervention pour trouver où l'intervention a effectivement eu un effet. Si vous savez qu'une loi est entrée en vigueur à un moment donné (de jure), cela peut en fait (de facto) pas la date à laquelle l'intervention a effectivement eu lieu. Les systèmes peuvent répondre avant une date d'effet connue ou même après la date en raison de la non-conformité ou de la non-réponse. La spécification de la date de l'intervention peut entraîner un biais de spécification du modèle. Je vous suggère de rechercher sur Google "Intervention Detection" ou "Outlier Detection". Un bon livre à ce sujet serait le professeur Wei de l'Université Temple publié par Addison-Wessley. Je crois que le titre est "Time Series Analysis". Un autre commentaire: une variable d'intervention peut apparaître sous la forme d'une impulsion ou d'un décalage de niveau / pas ou d'une impulsion saisonnière ou d'une tendance d'heure locale.
En réponse à l'extension de la discussion sur les tendances de l'heure locale:
Si vous avez une série qui présente 1,2,3,4,5,7,9,11,13,15,16,17,18,19 ... il y a eu un changement de tendance à la période 5 et à 10 Pour moi, une question principale dans les séries chronologiques est la détection de changements de niveau, par exemple 1,2,3,4,5,8,9,10, .. ou un autre exemple de changement de niveau 1,1,1,1,2 , 2,2,2, AND / OR ou la détection de coupures de tendance temporelle. Tout comme une impulsion est une différence d'une étape, une étape est une différence d'une tendance. Nous avons étendu la théorie de la détection des interventions à la 4e dimension i, e, Trend Point Change. En termes d'ouverture, j'ai pu mettre en œuvre de tels schémas de détection d'intervention en conjonction avec les modèles ARIMA et Transfer Function. Je suis l'un des statisticiens seniors des séries chronologiques qui ont collaboré au développement d'AUTOBOX qui intègre ces fonctionnalités. Je ne connais personne d'autre qui a programmé cette innovation passionnante.
Local Time Trend
ressemble une variable d'intervention? Je connais les trois autres.