Dlaczego powinniśmy usuwać sezonowość z szeregów czasowych?

11

Podczas pracy z szeregami czasowymi czasami wykrywamy i usuwamy sezonowość za pomocą analizy spektralnej. Jestem prawdziwym początkującym w szeregach czasowych i jestem zdezorientowany, dlaczego ktoś chciałby usunąć sezonowość z oryginalnej serii czasowej? Czy usunięcie sezonowości nie zakłóca oryginalnych danych?

Jakie korzyści czerpiemy dzięki konstruowaniu szeregów czasowych poprzez usunięcie sezonowości?

Zwycięzca
źródło
1
Ostatnie zdanie akapitu otwierającego wpis w Wikipedii o dostosowaniach sezonowych podaje powód, dla którego rządy (i inne organizacje, które muszą zajmować się planowaniem, w tym wiele firm) mogą tego chcieć.
Glen_b

Odpowiedzi:

7

Powody według Burmana:

Najczęstszym jest oszacowanie obecnego trendu, aby umożliwić dokonanie osądu krótkoterminowych prognoz. Alternatywnie można go zastosować do dużej liczby serii, które wchodzą w model ekonomiczny, ponieważ uznano za niewykonalne stosowanie nieskorygowanych danych z manekinami sezonowymi we wszystkich modelach oprócz najmniejszych: jest to często nazywane historycznym trybem sezonowej korekty

Głównym celem badania wskaźników ekonomicznych jest określenie etapu cyklu koniunkturalnego, na którym znajduje się gospodarka. Taka wiedza pomaga w prognozowaniu kolejnych ruchów cyklicznych i stanowi faktyczną podstawę do podjęcia kroków w celu ograniczenia amplitudy i zakresu cyklu koniunkturalnego. . . . Jednak przy stosowaniu wskaźników analitycy od zawsze niepokoją trudności z oddzieleniem cyklicznych od innych rodzajów wahań, zwłaszcza wahań sezonowych.

Jeśli chcesz moich 2 kopiejek, podsumuję to tak:

  1. Wygoda: jeśli masz do czynienia z wieloma seriami ekonomicznymi, każda z nich będzie miała swoją sezonowość. Niepraktyczne staje się radzenie sobie z sezonowością każdej serii w modelach wielowymiarowych. Łatwiej więc odsezonizować wszystkie serie ekonomiczne przed dodaniem ich do modeli wielowymiarowych lub ich wspólną analizą.
  2. Wyodrębnianie trendów: wiele serii ekonomicznych jest z natury sezonowych, np. Ceny domów są wyższe w lecie. Stąd, gdy indeks cen domów nagle spada, nie zawsze jest tak, ponieważ sygnalizuje coś ważnego w gospodarce, ale może to być po prostu spadek sezonowy, który nie ma istotnych informacji. Dlatego chcemy zdezasonalizować serię, aby zrozumieć, gdzie jesteśmy.
Aksakal
źródło
jeśli wykonuję modelowanie szeregów czasowych, to czy model nie powinien nauczyć się sezonowości i trendów w serii?
Visnu viswanath
Istnieje wiele sposobów na zrobienie serii remisów. Możesz pozostawić sezonowość w serii, a następnie na przykład poradzić sobie z nią w strukturze opóźnień z SARIMA.
Aksakal,
Dziękuję za odpowiedź. dlatego z twojego komentarza zakładam, że musimy wziąć pod uwagę sezonowość i trendy w modelowaniu, ale czasami usuwamy je, abyśmy mogli poznać podstawowy wzór i osobno nauczyć się części sezonowej i połączyć je. czy mam rację?
Visnu viswanath
1
tak, nie ma jedynego sposobu modelowania, zawsze masz różne opcje.
Aksakal
0

Patrząc na relacje między dwiema zmiennymi, które są szeregami czasowymi, sezonowość zmniejszy stopnie swobody, ponieważ dane nie będą niezależne. Ta „szeregowa” korelacja spowoduje fałszywe korelacje. W ten sposób sezonowość jest usuwana w celu zwiększenia stopni swobody.

Alberto M. Mestas-Nunez
źródło
Myślę, że możesz wysuwać uzasadnione argumenty dotyczące szeregów czasowych, ale nie rozumiem twojego użycia terminu „stopnie, jeśli wolność” w tym kontekście.
Michael R. Chernick
Mam na myśli liczbę niezależnych obserwacji, które pozwolą nam obliczyć słupki błędów w celu ustalenia znaczenia naszych korelacji.
Alberto M Mestas-Nunez
W porządku. To inna sprawa. Stopnie swobody to techniczny termin statystyczny, który dotyczy rozkładów ti F.
Michael R. Chernick