कैसे एक समय श्रृंखला स्थिर बनाने के लिए?


42

अंतर लेने के अलावा, एक गैर-स्थिर समय श्रृंखला, स्थिर बनाने के लिए अन्य तकनीकें क्या हैं?

आमतौर पर एक श्रृंखला को " ऑर्डर पी के एकीकृत " के रूप में संदर्भित किया जाता है यदि इसे लैग ऑपरेटर माध्यम से स्थिर बनाया जा सकता है ।(1L)PXt

जवाबों:


18

डी-ट्रेंडिंग मौलिक है। इसमें समय के अलावा अन्य सहसंयोजकों के खिलाफ फिर से शामिल होना शामिल है।

मौसमी समायोजन अंतर लेने का एक संस्करण है, लेकिन एक अलग तकनीक के रूप में माना जा सकता है।

डेटा का परिवर्तन अंतर्निहित रूप से एक अंतर ऑपरेटर को किसी और चीज़ में परिवर्तित करता है; उदाहरण के लिए, लघुगणक के अंतर वास्तव में अनुपात हैं।

कुछ EDA चौरसाई तकनीक (जैसे कि एक चलती हुई मीडियन को हटाने) को गैर-पैरामीट्रिक तरीकों के रूप में माना जा सकता है। उन्हें EDA पर अपनी पुस्तक में Tukey द्वारा उपयोग किया गया था। Tukey ने अवशेषों को नष्ट करना जारी रखा और जब तक आवश्यक था तब तक इस प्रक्रिया को जारी रखा (जब तक कि वे अवशेष प्राप्त नहीं हुए जो स्थिर दिखाई दिए और सममित रूप से लगभग शून्य वितरित किया गया)।


क्या आप बता सकते हैं कि डी ट्रेंडिंग कैसे किया जाता है? प्रतिगमन द्वारा कोवरिएट के प्रभाव को कैसे हटाया जाए? अगर मैं सही हूं तो यह केवल मल्टीवेरेट समय श्रृंखला के लिए लागू होगा।
अर्पित सिसोदिया

1
@Arpit आप मूल डेटा को कोवरिअट्स के विरुद्ध रजिस्टरों में उनके अवशेषों द्वारा प्रतिस्थापित करते हैं। यह समय श्रृंखला के साथ-साथ बहुभिन्नरूपी श्रृंखला पर भी लागू होता है। यह आगे बताया और पर दर्शाया गया है stats.stackexchange.com/a/113207/919 और stats.stackexchange.com/a/46508/919
whuber

@whuber क्या आपको नहीं लगता, कोवरिएट्स (जो गैर-स्थिर हो सकता है) के खिलाफ पुनर्जन्म करने से हमें स्वप्नदोष की समस्या का पता चलता है?
विशाल सुदर्शन

10

मुझे अभी भी लगता है कि एक अवधि से अगले अवधि तक% परिवर्तन का उपयोग करना एक गैर-स्थिर चर स्टेशनरी को प्रस्तुत करने का सबसे अच्छा तरीका है जैसा कि आप पहले सुझाव देते हैं। एक परिवर्तन जैसे कि एक लॉग काफी अच्छी तरह से काम करता है (यह गैर-स्थिर गुणवत्ता को समतल करता है; लेकिन इसे पूरी तरह से समाप्त नहीं करता है)।

तीसरा तरीका डेटा को एक एकल रैखिक प्रतिगमन में एक साथ डिसेंसिल करना और डी-ट्रेंड करना है। एक स्वतंत्र चर प्रवृत्ति (या समय) होगा: 1, 2, 3, ... आपके पास कितने समय की अवधि है। और, अन्य चर 11 विभिन्न श्रेणियों (12 महीनों में से 11 के लिए) के साथ एक श्रेणीगत चर होगा। फिर, इस प्रतिगमन से परिणामी गुणांक का उपयोग करके आप डेटा को एक साथ रोक सकते हैं और डी-सीजन कर सकते हैं। आप अपने पूरे डेटा सेट को अनिवार्य रूप से चपटा देखेंगे। अवधि के बीच शेष अंतर विकास की प्रवृत्ति और मौसम दोनों से स्वतंत्र परिवर्तनों को प्रतिबिंबित करेगा।


क्या आप गुणांक को शुरुआती लोगों के लिए थोड़ा और विस्तृत बता सकते हैं? मुझे लगता है कि आपका दृष्टिकोण एक कोशिश के लायक है क्योंकि अगर मैं अपने मामले में वृद्धि (विकास दर) में अंतर करता हूं, तो प्रवृत्ति सपाट हो जाती है, लेकिन मौसमी मजबूत हो जाती है। इस प्रकार simulateneous दृष्टिकोण की कोशिश कर रहा लायक लगता है। लेकिन मैं दो गुणांक के साथ क्या करूँ? विशेष रूप से मैं dummies का मतलब है ...
hans0l0

ran2, मुझे पता है कि यह स्पष्ट नहीं हो सकता है, लेकिन मैं इसे समझा नहीं सकता कि मैं पहले से ही बेहतर हूं। यह किसी भी चीज़ से अधिक मेरे अपने संचार कौशल का प्रतिबिंब है। इसके बजाय, मैं मूल फिक्स का सुझाव दूंगा जो अधिक बार काम नहीं करता है। यह बस एक समय से अगले और इसी तरह एक% परिवर्तन में अपने नाममात्र समय श्रृंखला चर को बदलने के लिए है। नाममात्र मूल्यों के बजाय% परिवर्तन पर ध्यान केंद्रित करना एक गैर-स्थिर चर को एक स्थिर एक में बदलता है जिसे आप तब आसानी से पुनः प्राप्त कर सकते हैं।
सिम्पा

7

लॉग और पारस्परिक और अन्य बिजली परिवर्तन अक्सर अप्रत्याशित परिणाम देते हैं।

अवशिष्ट (यानी तुक) के लिए, यह कुछ मामलों में कुछ अनुप्रयोग हो सकता है लेकिन खतरनाक हो सकता है। दूसरी ओर, हस्तक्षेप का पता लगाने के तरीकों को नियोजित करने वाले शोधकर्ताओं के लिए स्तर की बदलाव और प्रवृत्ति परिवर्तनों का पता लगाना व्यवस्थित रूप से उपलब्ध है। चूँकि एक स्तर बदलाव एक समय की प्रवृत्ति का अंतर है जैसे एक नाड़ी एक स्तर बदलाव का अंतर है, रूए त्से द्वारा नियोजित तरीकों को आसानी से इस समस्या से कवर किया जाता है।

यदि एक श्रृंखला स्तर पारियों (यानी अवरोधन में परिवर्तन) का प्रदर्शन करती है, तो श्रृंखला को स्थिर बनाने के लिए उचित उपाय श्रृंखला को "अवनति" करना है। बॉक्स-जेनकिन्स ने यह मानते हुए गंभीर रूप से गलत किया कि गैर-स्टेशनरिटी के लिए उपाय एक अलग ऑपरेटर था। इसलिए, कभी-कभी विभेदन उचित होता है और दूसरी बार "शि" के लिए शिफ्ट को समायोजित करना उचित होता है। या तो मामले में, स्वत :संबंध समारोह गैर-स्थैतिकता प्रदर्शित कर सकता है। यह श्रृंखला की स्थिति (यानी स्थिर या गैर-स्थिर) का एक लक्षण है। स्पष्ट गैर-स्थिरता के मामले में कारण अलग-अलग हो सकते हैं। उदाहरण के लिए, श्रृंखला का वास्तव में एक निरंतर भिन्न अर्थ है या श्रृंखला में एक अस्थायी परिवर्तन हुआ है।

सुझाए गए दृष्टिकोण को पहली बार 1982 में Tsay प्रस्तावित किया गया था और कुछ सॉफ्टवेयर में जोड़ा गया है। शोधकर्ताओं को Tsay की जर्नल ऑफ़ फोरकास्टिंग आर्टिकल का हवाला देना चाहिए, जिसका शीर्षक "आउटलेर्स, लेवल शिफ्ट्स, और वेरिएंस चेंजेज इन टाइम सीरीज़", जर्नल ऑफ़ फोरकास्टिंग, वॉल्यूम है। 7, आई -20 (1988)।

हमेशा की तरह, पाठ्यपुस्तकें अग्रणी धार प्रौद्योगिकी को शामिल करने के लिए धीमी हैं, लेकिन इस सामग्री को वेई बुक (यानी टाइम सीरीज एनालिसिस) में संदर्भित किया जा सकता है, डेलुरेजियो और मकरादकिस में शामिल हस्तक्षेपों को शामिल किया गया है, लेकिन वी के पाठ के रूप में पता लगाने के लिए नहीं।


4

एक और श्रृंखला के साथ अंतर। यानी ब्रेंट ऑयल की कीमतें स्थिर नहीं हैं, लेकिन ब्रेंट-लाइट स्वीट क्रूड फैला हुआ है। पूर्वानुमान के लिए एक अधिक जोखिम भरा प्रस्ताव एक और समय श्रृंखला के साथ सह एकीकरण संबंध के अस्तित्व पर दांव लगाना है।


4

क्या आप डेटा के माध्यम से एक loess / spline फिट कर सकते हैं और अवशिष्टों का उपयोग कर सकते हैं? क्या अवशेष स्थिर होंगे?

विचार करने के लिए मुद्दों से भरा हुआ है, और शायद एक अति-लचीली वक्र का संकेत उतना स्पष्ट नहीं होगा जितना कि अति-भिन्नता के लिए है।


स्पष्ट और अभी तक कम चर्चा के समाधान के लिए +1। हर तरीका मुद्दों से भरा हुआ है, लेकिन गैरपारंपरिक स्मूथिंग मौलिक है और इस बात का एक अच्छा अन्वेषण करने की आवश्यकता है कि अन्य सभी प्रस्तावित तरीकों का संबंध इससे कैसे जुड़ा है। प्रासंगिक स्रोतों के बारे में सुनकर प्रसन्नता होगी ...
zkurtz
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.