我有两年的月度数据，但 stl（）似乎需要至少两年零一个月。
以下是两个简单的例子：
示例1 - 返回“stl中的错误（x，”周期性“）： 系列不是周期性的或少于两个周期“
dat_24 <- cumsum(rnorm(24))
x_24 <- ts(dat_24, frequency = 12)
stl(x_24, "periodic")
示例2 - 按预期返回预测
dat_25 <- cumsum(rnorm(25))
x_25 <- ts(dat_25, frequency = 12)
stl(x_25, "periodic")
我不应该仅使用频率= 12的24个数字进行预测吗？
答案 0 :(得分：3)
适用于所有类型的周期系列，无论是每周或每年或任何其他时期。除了至少 2 周期的完整周期外，您还必须拥有至少1个额外数据点。
以下是每周系列的示例，您也会收到错误：
dat_Weekly <- cumsum(rnorm(104,0,5))
x_Weekly <- ts(dat_Weekly, frequency = 52, start = c(2013))
stl(x_Weekly, "periodic")
您可以浏览原始论文：here
下面的解释可能不是最好的，但我想试一试。
假设您有一个冰淇淋公司的2年月度销售数据（ 24 数据点），您的目标是找出其中的季节性。
STL要做的第一件事是将数据消耗2年或更长时间（24或36或48个月）以计算季节性，趋势等。在这种情况下，我们有24个数据点。现在，STL将需要至少一个额外的数据点 ON ，这将预测季节性。 由于STL已经使用了您的前24个数据点来学习每月季节性，因此绝对需要下一个数据点来扩展之前的预测。
换句话说，前24个数据点用于检查季节性，而下一个数据点（大于24 ）将遵循先前计算的两年季节性模式。对于1月的销售情况，您可能会看到STL情节有所下降。