Penyesuaian pertumbuhan bulan ke bulan yang disesuaikan secara musiman dengan musiman musiman yang mendasarinya


9

Sebagai hobi sampingan, saya telah menjelajahi rangkaian waktu perkiraan (khususnya, menggunakan R).

Untuk data saya, saya memiliki jumlah kunjungan per hari, untuk setiap hari kembali hampir 4 tahun. Dalam data ini ada beberapa pola yang berbeda:

  1. Senin-Jumat memiliki banyak kunjungan (tertinggi pada Senin / Selasa), tetapi secara drastis lebih sedikit pada Sat-Sun.
  2. Waktu-waktu tertentu dalam setahun (mis. Banyak kunjungan kurang sekitar Liburan AS, musim panas menunjukkan pertumbuhan yang kurang)
  3. Pertumbuhan signifikan dari tahun ke tahun

Akan menyenangkan untuk dapat memperkirakan tahun yang akan datang dengan data ini, dan juga menggunakannya untuk menyesuaikan pertumbuhan bulan ke bulan yang disesuaikan secara musiman. Hal utama yang membuat saya marah dengan tampilan bulanan adalah:

  • Bulan-bulan tertentu akan memiliki lebih banyak Sen / Sel daripada bulan-bulan lainnya (dan itu juga tidak konsisten selama bertahun-tahun). Karenanya sebulan yang terjadi pada lebih banyak hari kerja perlu disesuaikan.

Menjelajahi minggu juga tampaknya sulit karena sistem penomoran minggu berubah dari 52-53 tergantung pada tahun, dan tampaknya tstidak mengatasinya.

Saya sedang mempertimbangkan mengambil rata-rata untuk hari kerja dalam sebulan, tetapi unit yang dihasilkan agak aneh (Pertumbuhan Rata-rata Kunjungan Hari Kerja) dan itu akan menjatuhkan data yang valid.

Saya merasa data semacam ini akan umum dalam deret waktu, (misalnya, misalnya penggunaan listrik di gedung kantor mungkin seperti ini), ada yang punya saran tentang cara memodelkannya, khususnya, di R?

Data yang saya kerjakan cukup mudah, dimulai seperti:

            [,1]
2008-10-05 17607
2008-10-06 36368
2008-10-07 40250
2008-10-08 39631
2008-10-09 40870
2008-10-10 35706
2008-10-11 18245
2008-10-12 23528
2008-10-13 48077
2008-10-14 48500
2008-10-15 49017
2008-10-16 50733
2008-10-17 46909
2008-10-18 22467

dan terus seperti ini hingga saat ini, dengan tren pertumbuhan secara keseluruhan, beberapa penurunan di sekitar minggu libur AS, dan pertumbuhan umumnya melambat selama musim panas.


Aspek lain yang menarik untuk data adalah bahwa ada peristiwa tiba-tiba yang mengganggu tren pertumbuhan keseluruhan selama ~ beberapa bulan. Namun sekarang, di mana saya berada pada tahap mencoba mengatur musim dengan benar, saya mengabaikan aspek itu.
Kyle Brandt

Juga, koreksi saya jika saya tidak menggunakan "musiman" dengan benar. Saat ini saya sedang memikirkannya rintik dalam satuan waktu yang saya katakan. Jadi "Mingguan Musim" bagi saya berarti "Pola yang berulang setiap minggu".
Kyle Brandt

Hmm, terdengar tidak asing (-;

Lihat jawaban untuk stats.stackexchange.com/questions/14742/… . Mungkin menjadi titik awal.
Peter Ellis

Mungkin inti dari ini adalah kombinasi dari minggu + tahun? Tampaknya ts(dan bahkan msts) tidak cocok dengan periode pengambilan sampel dalam seminggu dengan periode "alami" setahun (Kalender juga tidak benar-benar saya kira). Atau, saya hanya tidak mengerti cara membuatnya ...
Kyle Brandt

Jawaban:


5

Saya memodelkan jenis data demikian sepanjang waktu. Anda perlu bergabung

  • hari di minggu ini
  • efek liburan (efek timbal, sejaman dan ketinggalan zaman)
  • hari spesial setiap bulan
  • mungkin Jumat sebelum liburan atau Senin setelah liburan
  • efek mingguan
  • efek bulanan
  • Struktur ARIMA untuk membuat kesalahan white noise;
  • et.al. .

Pendekatan statistik disebut Pemodelan Fungsi Transfer dengan Intervensi DEtection. Jika Anda ingin membagikan data Anda baik secara pribadi melalui dave@autobox.com atau lebih disukai melalui SE, saya akan sangat senang untuk benar-benar menunjukkan kepada Anda spesifikasi model akhir dan semakin meningkatkan kemampuan Anda untuk melakukannya sendiri atau setidaknya untuk membantu Anda dan lainnya untuk memahami apa yang perlu dilakukan dan apa yang bisa dilakukan. Dalam kasus mana pun Anda menjadi lebih pintar tanpa menghabiskan harta apa pun baik koin maupun waktu. Anda mungkin membaca beberapa tanggapan saya yang lain untuk pertanyaan rangkaian waktu untuk mempelajari lebih lanjut.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.