为了“理解”时间序列的模式,直觉上很容易使用 STL 分解作为区分趋势、季节和其他时间的概念。
但我的经验告诉我,没有任何静态算法会在任何情况下都产生有用的结果。
所以我的一般问题是/是什么时候不应该应用 STL 分解,如果你这样做了,STL 结果中的哪些观察结果可能表明你有错误/无用的分解?
就像您不会在不查看散点图的情况下盲目相信两个变量的相关性分析一样,b/c 异常值可能会导致高相关系数表明不存在关系。
我是这个领域的新手,所以更广泛的答案会很棒。
为了“理解”时间序列的模式,直觉上很容易使用 STL 分解作为区分趋势、季节和其他时间的概念。
但我的经验告诉我,没有任何静态算法会在任何情况下都产生有用的结果。
所以我的一般问题是/是什么时候不应该应用 STL 分解,如果你这样做了,STL 结果中的哪些观察结果可能表明你有错误/无用的分解?
就像您不会在不查看散点图的情况下盲目相信两个变量的相关性分析一样,b/c 异常值可能会导致高相关系数表明不存在关系。
我是这个领域的新手,所以更广泛的答案会很棒。
我认为 LOESS 像任何其他更平滑的结果将取决于平滑程度。所以我认为你可以根据平滑量得到非常不同的分解。有多少波纹对周期性有影响,有多少只是随机噪声?我认为这可能很难说。类似的问题出现在核密度估计中,其中密度的凸起可能是真实的,也可能是平滑不足的伪影。