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 ।
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 ।
जवाबों:
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)।
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।
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।
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।