我的问题是关于克利夫兰等人的。1990 年论文STL：基于黄土的季节性趋势分解程序。完整的引用是：

• Cleveland, RB, Cleveland, WS, McRae, JE 和 Terpenning, I. 1990。STL：使用黄土的季节性趋势分解方法。 官方统计杂志，v.6(1)。

本文简要讨论了一种用于识别正确的季节性平滑水平的视觉诊断方法。具体来说，参数$n_s$控制使用多少数据来平滑季节性分量。如果我们为此参数使用一个较小的值，那么只有最近的观察结果将用于确定分配给季节性分量的变化量。如果我们使用更大的值，那么更多的观测值将用于平滑季节性分量。一般建议是，如果您认为季节性过程变化很快，则使用较小的值$n_s$如果您认为季节性过程发展缓慢，则使用较大的值。

我的问题是：如果我不知道季节性变化有多快或多慢，我希望数据告诉我这一点怎么办？

克利夫兰等人。讨论他们所谓的季节性诊断图。在这些图中，每个子系列的模型的季节性分量与其平均值不同，并显示为一条线。然后，再次对于每个子系列，季节性分量加上误差分量与季节性平均值不同，并显示为线周围的点。

我的具体问题是，对于这些图中的任何两个（比较不同的值$n_s$) 我怎样才能确定哪个$n_s$更好？

我已经包含了两个季节性诊断图以供参考。他们都使用stlplus()R 中的函数来分解每月的时间序列。我使用plot_seasonal()来制作情节。第一个图使用对应于13的参数值s.window$n_s$在原始论文中。这个小值允许季节性快速变化。第二个图使用s.window=49允许季节性分量发生变化并使用几年的数据来确定平滑的季节性分量。

通过查看这些诊断图，我应该对我的数据中季节性的性质得出什么结论。使用恒定的季节性项、相对较大的平滑参数 (49) 还是较小的平滑参数 (13) 是否能更好地捕捉？如果有帮助，我也可以发布代码和数据，请告知。