我应该只使用季节性 arima 还是 stl 分解和模型残差？
机器算法验证
时间序列
造型
有马
季节性
2022-03-14 04:29:09
1个回答
- 异常值
通过绘制箱线图可以轻松检测异常值。“为了成为异常值，数据值必须比 Q3 至少大四分位距 (IQR) 的 1.5 倍，或者。比 Q1 小至少 IQR 的 1.5 倍”。有关检测异常值的更详细方法，请参阅：https ://stackoverflow.com/questions/24750819/outlier-detection-of-time-series-data-in-r
- 异常情况
要检测异常检查此 RPubs，执行起来似乎很简单：https ://www.rpubs.com/vmez/409672
- STL vs arima 季节调整
据我所知，这不是很多，Sarima 的微分（d）项只是计算连续观察之间的差异，它解释了趋势。D 分量或季节差异是同一季节的观测值与先前观测值之间的差异（对于月度数据，它是 y_t-y_t-12）。与 stl() 背后的数学计算相比，这些微分技术相对简单。此处的此线程将更好地回答您的问题：stl 是一种很好的预测技术，而不是 Arima？ 总结一下：“STL可以比有马更好地处理多季节性、高频季节性等现象”，所以它基本上取决于你的数据。