具有多个句点和非负值的时间序列

时间:2014-08-18 07:15:09

标签: r time-series

当我在ts object中阅读时间序列并输入句点时:

  1. tr <- ts(data[,4],frequency=)。这适用于两个不同的时期并完美分解以显示(向下)趋势,季节性和错误。我怎么知道哪个是正确的时期。

  2. 当我在上述ts对象的ETS包中使用STLFforecast函数时,摘要显示:模型信息:ETS(A,N,N)为什么那?我们这里有季节性+趋势组件吗?

  3. 当训练集为非负值且负值无效时,我们可以做些什么来处理负值。

1 个答案:

答案 0 :(得分:1)

  1. 正确的期限取决于数据生成过程。例如,如果您正在查看由消费者习惯驱动的月度数据,那么,如果我们假设消费者行为会根据全年不断变化的情况而波动,因为数据是按月计算的,12可能是一个很好的选择频率。重要的是要记住周期性是乘法的。例如,如果12和24工作,我会选择12.如果你有季度数据,那么4可能是一个很好的选择频率。或者,如果您正在查看某些物理过程,例如引擎中的温度,并且您有毫秒数据,则适当的周期可能是每转的毫秒数。

  2. 最后两个N的意思是&#34;没有。&#34;我无法说出为什么你认为有季节性成分而ets没有。从帮助文件:

      

    通常使用三字符串识别方法   Hyndman等人的框架术语。 (2002)和Hyndman等。   (2008年)。第一个字母表示错误类型(&#34; A&#34;,&#34; M&#34;或&#34; Z&#34;);该   第二个字母表示趋势类型(&#34; N&#34;,&#34; A&#34;,&#34; M&#34;或&#34; Z&#34;);和   第三个字母表示季节类型(&#34; N&#34;,&#34; A&#34;,&#34; M&#34;或&#34; Z&#34;)。在所有   案例,&#34; N&#34; =无,&#34; A&#34; =添加,&#34; M&#34; =乘法和   &#34; Z&#34; =自动选择。所以,例如,&#34; ANN&#34;很简单   具有加性误差的指数平滑,&#34; MAM&#34;是乘法的   霍尔特 - 温特斯&#39;具有乘法误差的方法,等等。

         

    模型也可能属于&#34; ets&#34;,并且等于   之前调用ets的输出。在这种情况下,相同的模型   适用于y而不重新估计任何平滑参数。看到   还有use.initial.values参数。

  3. 您对底片的处理取决于数据生成过程。如果,一旦预测变量达到零,过程停止(即你有一个吸收状态),那么也许你可以将这些预先设定的值设置为零。但是,如果您认为向下移动变得越来越小,那么您可能需要更改模型以反映这一点。设置lambda=0将是一个良好的开端,相当于采用对数。这将使模型成倍增加。但是,一般来说,如果您的预测变得不利而且您知道这是不可能的,那么您的数据生成过程模型可能是错误的。