Warum sollten wir Saisonalität aus einer Zeitreihe entfernen?

11

Während wir mit Zeitreihen arbeiten, erkennen und entfernen wir manchmal Saisonalität mithilfe der Spektralanalyse. Ich bin ein echter Anfänger in Zeitreihen und ich bin verwirrt, warum man Saisonalität aus der ursprünglichen Zeitreihe entfernen möchte. Verzerrt das Entfernen der Saisonalität nicht die ursprünglichen Daten?

Welche Vorteile erhalten wir durch die Erstellung einer Zeitreihe durch Entfernen der Saisonalität?

Sieger
quelle
1
Der letzte Satz des ersten Absatzes des Wikipedia-Eintrags zur saisonalen Anpassung gibt einen Grund an, warum Regierungen (und andere Organisationen, die sich mit Planung befassen müssen, einschließlich vieler Unternehmen) dies möglicherweise tun möchten.
Glen_b -Reinstate Monica

Antworten:

7

Die Gründe laut Burman:

Am häufigsten wird eine Schätzung des aktuellen Trends bereitgestellt, damit kurzfristige Prognosen erstellt werden können. Alternativ kann es auf eine große Anzahl von Serien angewendet werden, die in ein Wirtschaftsmodell eingehen, da es sich als unpraktisch erwiesen hat, nicht angepasste Daten mit saisonalen Dummies in allen außer den kleinsten Modellen zu verwenden. Dies wird häufig als historischer Modus der saisonalen Anpassung bezeichnet

Ein Hauptzweck der Untersuchung von Wirtschaftsindikatoren besteht darin, die Phase des Konjunkturzyklus zu bestimmen, in der sich die Wirtschaft befindet. Dieses Wissen hilft bei der Vorhersage nachfolgender zyklischer Bewegungen und bietet eine sachliche Grundlage für Maßnahmen zur Moderation der Amplitude und des Umfangs des Geschäftszyklus. . . . Bei der Verwendung von Indikatoren sind Analysten jedoch ständig besorgt über die Schwierigkeit, zyklische von anderen Arten von Schwankungen, insbesondere saisonalen Schwankungen, zu trennen.

Wenn Sie meine 2 Kopeken wollen, dann würde ich es so zusammenfassen:

  1. Bequemlichkeit: Wenn Sie sich mit mehreren Wirtschaftsreihen befassen, hat jede ihre eigene Saisonalität. Es wird unpraktisch, die Saisonalität jeder Serie in multivariaten Modellen zu behandeln. Daher ist es einfacher, alle Wirtschaftsreihen zu de-saisonalisieren, bevor sie multivariaten Modellen hinzugefügt oder zusammen analysiert werden.
  2. Trendextraktion: Viele Wirtschaftsreihen sind von Natur aus saisonabhängig, z. B. sind die Immobilienpreise im Sommer höher. Wenn der Immobilienpreisindex plötzlich sinkt, liegt dies nicht immer daran, dass er etwas Wichtiges für die Wirtschaft signalisiert, sondern es könnte einfach der saisonale Rückgang sein, für den keine wesentlichen Informationen vorliegen. Daher möchten wir die Serie deseasonalisieren, um zu verstehen, wo wir uns befinden.
Aksakal
quelle
Wenn ich Zeitreihen modelliere, sollte das Modell dann nicht auch die Saisonalität und Trends in der Serie lernen?
Vishnu Viswanath
Es gibt viele Möglichkeiten, Krawattenreihen zu erstellen. Sie können die Saisonalität in der Serie belassen und sie dann beispielsweise in der Lag-Struktur mit SARIMA explizit behandeln.
Aksakal
Danke für die Antwort. Aus Ihrem Kommentar gehe ich davon aus, dass wir Saisonalität und Trend bei der Modellierung berücksichtigen müssen, aber manchmal entfernen wir sie, damit wir das zugrunde liegende Muster lernen und den saisonalen Teil separat lernen und kombinieren können. habe ich recht?
Vishnu Viswanath
1
Ja, es gibt keine einzige Möglichkeit zum Modellieren. Sie haben immer verschiedene Optionen.
Aksakal
0

Bei der Betrachtung der Beziehungen zwischen zwei Variablen, bei denen es sich um Zeitreihen handelt, verringert die Saisonalität die Freiheitsgrade, da die Daten nicht unabhängig sind. Diese "serielle" Korrelation führt zu falschen Korrelationen. Damit entfällt die Saisonalität mit dem Ziel, die Freiheitsgrade zu erhöhen.

Alberto M Mestas-Nunez
quelle
Ich denke, Sie machen vielleicht einige gültige Argumente zu Zeitreihen, aber ich verstehe Ihre Verwendung des Begriffs "Grad wenn Freiheit" in diesem Zusammenhang nicht.
Michael R. Chernick
Was ich meine, ist die Anzahl unabhängiger Beobachtungen, mit denen wir Fehlerbalken berechnen können, um die Bedeutung unserer Korrelationen festzustellen.
Alberto M Mestas-Nunez
Okay. Das ist eine andere Sache. Freiheitsgrade ist ein technischer statistischer Begriff, der für t- und F-Verteilungen gilt.
Michael R. Chernick