Тест на сезонність часових рядів

Які найпростіші тести на сезонність для часових рядів?

Будучи більш конкретним, я хочу перевірити, чи specific time series the seasonal componentє в значенні.

Які рекомендовані пакети в Python / R?

Перед тим, як перевірити на сезонність, слід відобразити, який тип сезонності у вас є. Зауважте, що існує багато різних типів сезонності:

Добавка проти мультиплікативної сезонності
Одномісний проти кількох сезонностей
Сезонність з рівною чи нерівною кількістю періодів. Щороку припадає дванадцять місяців, але 52,1299 тижнів.
Тенденція проти сезонності: сезонність завжди з’являється в той самий період, але тенденція може з’являтися трохи пізніше або раніше, а не точно кожні 5 років. Одним із прикладів тенденції є бізнес-цикли.

Один з найпоширеніших методів виявлення сезонності - розкласти часовий ряд на кілька компонентів.

У R ви можете це зробити за допомогою decompose()команди з попередньо встановленого пакета статистики або з stl()командою з пакета прогнозу.

Наступний код взято з невеликої книги R для часових рядів

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

Ви можете перевірити окремі компоненти за допомогою

birthstimeseriescomponents$seasonal
birthstimeseriescomponents$random
birthstimeseriescomponents$trend

Іншим методом є включення сезонних манекенів та перевірка наявності у них значущих p-значень під час обчислення регресії. Якщо окремі місяці мають значущі коефіцієнти, ваш місячний часовий ряд є сезонним.

Інший метод виявлення сезонності - це або побудувати графік самих даних або побудувати графік ACF (функція автокореляції). У нашому випадку ви можете легко помітити, що є сезонність.

І останнє, але не в останню чергу є деякі "формальні" тести на гіпотези з метою виявлення сезонності, такі як Т-тест Стьюдента і Тест з рейтингом Вілкоксона.

— Ферді
джерело

у моєму випадку я сам не знаю (адитив проти мультипликативних, одиночний проти кількох сезонностей Сезонність з рівномірною та неоднаковою кількістю періодів), у мене дуже багато часових рядів, і я хотів би мати підходящий генерич якнайбільше можливо. Для початку я хотів би почати з добавки, єдиної сезонності, навіть + навіть не навіть. @Ferdi

— Michael D

можливо, вам варто подумати над своїми даними: це дані щодня, щотижня, щомісяця чи щокварталу? чи є поштовхи чи нерівності? що ви спостерігаєте, коли ви візуалізуєте це?

— Ферді

деякі часові ряди мають щотижня, щодня, щогодини. А деяких інших взагалі немає. На першому кроці я хочу виявити, чи є сезонний компонент значенням взагалі. Для вашого другого прикладу він має відставання 3 та 12. Але якимось чином на очах я не знаходжу жодної сезонності у відставанні 3. Чи краще шукати замість pacf ? Якщо я дивлюся на ACF або PACF, як я відрізняю модель AR (p) (яка не є сезонною) від сезонної моделі? @Ferdi

— Michael D

Я не знаю жодного алгоритму, за яким можна сліпо запустити будь-який часовий ряд, щоб перевірити на сезонність

— Ферді,

Я ... AUTOBOX автоматично шукає як стохастичну, тобто структуру ARIMA, так і детерміновану структуру (фіксовані ефекти, такі як день тижня, місяць місяця, день місяця, квартал місяця -рік тощо) під час вирішення таких ускладнень, як зрушення кроку / рівня, локальні тенденції часу, імпульси, зміни обох параметрів та відхилення помилок у часі. Є версія R. Це є результатом моєї дисертації на тему PHD для автоматизації ідентифікації моделі часових рядів як в універсальній, так і в багатоваріантній налаштуваннях.

— IrishStat

Мої думки полягають у тому, щоб перевірити амплітуду:

Функція автокореляції ACF
Функція часткової автокореляції PACF
Коефіцієнти Фур'є

(Коефіцієнти Фур'є пов'язані з АКФ через теорему Вінера-Хінчіна .)

— Майкл Д
джерело