这是一个讨论细节的示例：

> plot(stl(nottem, "per"))

因此，在上面的面板上，我们可以将条形视为 1 个变异单位。季节性面板上的条形仅比数据面板上的条形略大，表明季节性信号相对于数据的变化较大。换句话说，如果我们缩小季节性面板，使盒子的大小与数据面板中的相同，则缩小的季节性面板上的变化范围将与数据面板上的相似但略小。

现在考虑趋势面板；灰色框现在比数据或季节性面板上的任何一个都大得多，表明归因于趋势的变化远小于季节性成分，因此只有数据系列变化的一小部分。归因于趋势的变化远小于随机分量（其余部分）。因此，我们可以推断这些数据没有表现出趋势。

现在看另一个例子：

> plot(stl(co2, "per"))

这使

如果我们查看此图上条形的相对大小，我们会注意到趋势在数据系列中占主导地位，因此灰色条的大小相似。下一个最重要的是季节尺度的变化，尽管这个尺度的变化是原始数据中表现出的变化的一个小得多的组成部分。残差（余数）仅代表小的随机波动，因为灰色条相对于其他面板非常大。

所以一般的想法是，如果您缩放所有面板以使灰色条的大小都相同，您将能够确定每个组件中变化的相对幅度以及原始数据中有多少变化他们包含。但是因为绘图以自己的比例绘制每个组件，所以我们需要条形图给我们一个相对比例以进行比较。

这有帮助吗？