हमें एक समय श्रृंखला से सीज़न को क्यों निकालना चाहिए?


11

समय श्रृंखला के साथ काम करते हुए, हम कभी-कभी वर्णक्रमीय विश्लेषण का उपयोग करके मौसम का पता लगाते हैं और हटाते हैं। मैं समय श्रृंखला में एक वास्तविक शुरुआत कर रहा हूं, और मैं उलझन में हूं कि कोई मूल समय श्रृंखला से मौसमी को क्यों निकालना चाहेगा? मौसमी हटाने से मूल डेटा विकृत नहीं होता है?

मौसमी को हटाकर टाइम सीरीज़ बनाने से हमें क्या फ़ायदा?


1
मौसमी समायोजन पर विकिपीडिया प्रविष्टि के उद्घाटन पैराग्राफ का अंतिम वाक्य एक कारण देता है कि सरकारें (और अन्य संगठन जो नियोजन से निपटना चाहिए, कई व्यवसायों सहित) इसे करना चाह सकते हैं।
Glen_b -Reinstate Monica

जवाबों:


7

बर्मन के अनुसार कारण:

सबसे आम वर्तमान प्रवृत्ति का अनुमान प्रदान करना है ताकि निर्णय के अल्पकालिक पूर्वानुमान किए जा सकें। वैकल्पिक रूप से, इसे बड़ी संख्या में श्रृंखला में लागू किया जा सकता है, जो एक आर्थिक मॉडल में प्रवेश करते हैं, क्योंकि सभी में मौसमी डमी के साथ अनुचित डेटा का उपयोग करना अव्यावहारिक पाया गया है, लेकिन सबसे छोटे मॉडल: इसे अक्सर मौसमी समायोजन का ऐतिहासिक मोड कहा जाता है

आर्थिक संकेतकों का अध्ययन करने का एक प्रमुख उद्देश्य व्यवसाय चक्र के चरण को निर्धारित करना है जिस पर अर्थव्यवस्था खड़ी है। ऐसा ज्ञान बाद के चक्रीय आंदोलनों का पूर्वानुमान लगाने में मदद करता है और व्यापार चक्र के आयाम और दायरे को मध्यम करने के लिए कदम उठाने के लिए एक तथ्यात्मक आधार प्रदान करता है। । । । संकेतकों का उपयोग करने में, हालांकि, विश्लेषकों को अन्य प्रकार के उतार-चढ़ाव, विशेष रूप से मौसमी उतार-चढ़ाव से चक्रीय को अलग करने की कठिनाई से बारहमासी परेशान हैं।

यदि आप मेरे 2 कोपेक चाहते हैं, तो मैं इसे इस तरह संक्षेप में प्रस्तुत करूंगा:

  1. सुविधा: यदि आप कई आर्थिक श्रृंखलाओं से निपटते हैं, तो उनमें से प्रत्येक की अपनी मौसमीता होगी। मल्टीवीरेट मॉडल में प्रत्येक श्रृंखला के सीज़न से निपटने के लिए यह अव्यावहारिक हो जाता है। इसलिए, सभी आर्थिक श्रृंखलाओं को बहुभिन्नरूपी मॉडल में जोड़ने या उनका एक साथ विश्लेषण करने से पहले डी-सीजनलाइज़ करना आसान है।
  2. प्रवृत्ति निष्कर्षण: कई आर्थिक श्रृंखलाएँ स्वाभाविक रूप से मौसमी होती हैं, जैसे घर की कीमतें गर्मियों में अधिक होती हैं। इसलिए, जब घर का मूल्य सूचकांक अचानक नीचे चला जाता है, तो यह हमेशा नहीं होता है क्योंकि यह अर्थव्यवस्था में कुछ महत्वपूर्ण संकेत देता है, लेकिन यह केवल मौसमी गिरावट हो सकती है, जिसकी कोई महत्वपूर्ण जानकारी नहीं है। इसलिए, हम यह समझना चाहते हैं कि हम कहां हैं श्रृंखला को समझना चाहते हैं।

अगर मैं टाइमिंग मॉडलिंग कर रहा हूं, तो क्या मॉडल को सीरीज़ में सीज़न और ट्रेंड्स भी नहीं सीखने चाहिए?
विष्णु विश्वनाथ

टाई सीरीज़ करने के कई तरीके हैं। आप श्रृंखला में सीज़न को छोड़ सकते हैं, फिर स्पष्ट रूप से उदाहरण के लिए SARIMA के साथ अंतराल संरचना में इससे निपट सकते हैं।
अक्कल A

उत्तर के लिए धन्यवाद। इसलिए आपकी टिप्पणी से, मुझे लगता है कि हमें मॉडलिंग में मौसमी और प्रवृत्ति के लिए जिम्मेदार होना चाहिए, लेकिन कभी-कभी हम उन्हें हटा देते हैं ताकि हम अंतर्निहित पैटर्न को सीख सकें और मौसमी भाग को अलग से सीख सकें और गठबंधन कर सकें। क्या मैं सही हू?
विष्णु विश्वनाथ

1
हां, मॉडलिंग का कोई एक तरीका नहीं है, आपके पास हमेशा अलग विकल्प होते हैं।
अक्कल

0

जब दो चर जो समय श्रृंखला होते हैं, के बीच संबंधों को देखते हुए, मौसमी स्वतंत्रता की डिग्री कम कर देंगे क्योंकि डेटा स्वतंत्र नहीं होगा। इस "धारावाहिक" सहसंबंध के परिणामस्वरूप गंभीर सहसंबंध होंगे। इस प्रकार स्वतंत्रता की डिग्री बढ़ाने के लक्ष्य के साथ सीज़न को हटा दिया जाता है।


मुझे लगता है कि आप समय श्रृंखला के बारे में कुछ मान्य तर्क दे रहे होंगे लेकिन मैं इस संदर्भ में "डिग्री अगर स्वतंत्रता" शब्द के आपके उपयोग को नहीं समझता।
माइकल आर। चेर्निक

मेरा मतलब है कि स्वतंत्र टिप्पणियों की संख्या जो हमें हमारे सहसंबंधों के महत्व को स्थापित करने के लिए त्रुटि सलाखों की गणना करने की अनुमति देगी।
अल्बर्टो एम मेस्टास-नुनेज़

ठीक है। वह अलग बात है। स्वतंत्रता की डिग्री एक तकनीकी सांख्यिकीय शब्द है जो टी और एफ वितरण पर लागू होती है।
माइकल आर। चेरिक
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.