समय श्रृंखला सीजनलिटी टेस्ट

समय श्रृंखला के लिए सबसे सरल मौसम परीक्षण क्या हैं?

अधिक विशिष्ट होने के नाते, मैं परीक्षण करना चाहता हूं कि specific time series the seasonal componentक्या सार्थक है।

पायथन / आर में अनुशंसित पैकेज क्या हैं?

मौसमी के लिए परीक्षण करने से पहले आपको यह दर्शाना चाहिए कि आपके पास किस प्रकार की मौसमी है। ध्यान दें कि मौसमी के कई अलग-अलग प्रकार हैं:

योजक बनाम बहुसांस्कृतिक मौसम
एकल बनाम एकाधिक मौसमी
मौसम की असमान संख्या के साथ भी मौसम। प्रत्येक वर्ष में बारह महीने होते हैं, लेकिन 52,1429 सप्ताह।
ट्रेंड बनाम सीज़नलिटी: एक सीज़नैलिटी पैटर्न हमेशा एक ही अवधि में दिखाई देता है, लेकिन एक प्रवृत्ति थोड़ा बाद में या पहले दिखाई दे सकती है और ठीक 5 साल बाद नहीं। प्रवृत्ति के लिए एक उदाहरण व्यापार चक्र हैं।

मौसमी का पता लगाने के सबसे सामान्य तरीकों में से एक समय श्रृंखला को कई घटकों में विघटित करना है।

आर में आप decompose()पूर्वस्थापित आँकड़े पैकेज stl()से कमांड के साथ या पूर्वानुमान पैकेज से कमांड के साथ ऐसा कर सकते हैं ।

निम्नलिखित श्रृंखला समय श्रृंखला के लिए आर की एक छोटी पुस्तक से ली गई है

births <- scan("http://robjhyndman.com/tsdldata/data/nybirths.dat")
birthstimeseries <- ts(births, frequency = 12, start = c(1946,1))
birthstimeseriescomponents <- decompose(birthstimeseries)
plot(birthstimeseriescomponents)

आप एकल घटकों की जांच कर सकते हैं

birthstimeseriescomponents$seasonal
birthstimeseriescomponents$random
birthstimeseriescomponents$trend

एक अन्य विधि मौसमी डमी को शामिल करना है और यह जांचने के लिए है कि क्या आपके पास प्रतिगमन की गणना करते समय महत्वपूर्ण पी-मान हैं। यदि एकल महीनों में आपके गुणांक में मासिक गुणांक है, तो आपकी मासिक समय श्रृंखला मौसमी है।

मौसमी का पता लगाने के लिए एक अन्य तरीका या तो डेटा को स्वयं करना या एसीएफ (ऑटोक्रेलेशन फ़ंक्शन) की साजिश करना है। हमारे मामले में आप आसानी से देख सकते हैं, कि मौसमी है।

और अंतिम, लेकिन कम से कम कुछ "औपचारिक" परिकल्पना परीक्षण नहीं हैं ताकि छात्र टी-टेस्ट और विलकॉक्सन हस्ताक्षरित रैंक टेस्ट जैसे मौसमी का पता लगाया जा सके।

— Ferdi
स्रोत

मेरे मामले में, मैं अपने आप से नहीं जानता (अतिरिक्त बनाम बहुसांस्कृतिक, एकल बनाम एकाधिक मौसमी मौसमी अवधि के साथ असमान संख्या के साथ भी), मेरे पास बहुत समय की श्रृंखला है और मैं लगभग एक पीढ़ी की तरह चाहूंगा मुमकिन। भीख माँगने के लिए मैं additive, सिंगल सीज़न, यहाँ तक कि + के साथ भी शुरू करना चाहूँगा । @ फ़र्दी

— माइकल डी

शायद आपको अपने डेटा के बारे में सोचना चाहिए: क्या यह दैनिक, साप्ताहिक, मासिक या त्रैमासिक डेटा है? क्या कोई झटका या अनियमितताएं हैं? आप क्या देखते हैं, जब आप इसकी कल्पना करते हैं?

— फेरी

कुछ समय श्रृंखला साप्ताहिक, दैनिक, प्रति घंटा है। और कुछ अन्य के पास बिल्कुल नहीं है। पहले चरण के लिए मैं यह पता लगाना चाहता हूं कि क्या मौसमी घटक का अर्थ पूर्ण है। आपके दूसरे उदाहरण के लिए इसमें लैग 3 और 12. है, लेकिन किसी तरह आंख से मुझे लैग 3 में कोई मौसमी नहीं मिलती है। क्या इसके बजाय पीएसीएफ को देखना बेहतर है ? अगर मैं ACF या PACF को देखता हूं कि मैं AR (p) मॉडल (जो कि मौसमी नहीं है) बनाम एक मौसमी मॉडल में अंतर करता हूं? @Ferdi

— माइकल डी

मैं किसी भी एल्गोरिथ्म के बारे में नहीं जानता हूँ जिसे आप नेत्रहीन रूप से किसी भी प्रकार की समय-श्रृंखला पर

— सीज़न के

मैं हूँ ... AUTOBOX स्वचालित रूप से दोनों स्टोचैस्टिक अर्थात ARIMA संरचना और नियतात्मक संरचना (दिन-प्रति-सप्ताह, महीने के वर्ष, दिन-प्रति-दिन, महीने के तिमाही, जैसे निश्चित प्रभाव) की खोज करता है -अन्य आदि) कदम / स्तर की बदलाव, स्थानीय समय के रुझान, दालों, दोनों मापदंडों में परिवर्तन और समय के साथ त्रुटि विचरण जैसी जटिलताओं से निपटने के दौरान। एक आर संस्करण है। यह मेरे पीएचडी शोध प्रबंध का एक बड़ा हिस्सा है जो समय-समय पर मॉडल पहचान को स्वचालित और बहुभिन्नरूपी दोनों सेटिंग्स में स्वचालित करता है।

— आयरिशस्टैट

मेरे विचार के आयाम की जाँच कर रहे हैं:

ACF ऑटोक्रेलेशन फ़ंक्शन
PACF आंशिक स्वायत्तता समारोह
फूरियर गुणांक

(फूरियर गुणांक वीनर-खिनचिन प्रमेय के माध्यम से एसीएफ से संबंधित हैं ।)

— माइकल डी
स्रोत