Prueba de estacionalidad de series de tiempo

Antes de probar la estacionalidad, debe reflejar qué tipo de estacionalidad tiene. Tenga en cuenta que hay muchos tipos diferentes de estacionalidad:

Estacionalidad aditiva versus multiplicativa
Estacionalidades individuales versus múltiples
Estacionalidad con un número de períodos pares o pares. Cada año tiene doce meses, pero 52,1429 semanas.
Tendencia frente a estacionalidad: un patrón de estacionalidad siempre aparece en el mismo período, pero una tendencia puede aparecer un poco más tarde o más temprano y no exactamente cada 5 años. Un ejemplo de una tendencia son los ciclos económicos.

Uno de los métodos más comunes para detectar la estacionalidad es descomponer la serie temporal en varios componentes.

En R puede hacer esto con el decompose()comando del paquete de estadísticas preinstalado o con el stl()comando del paquete de pronóstico.

El siguiente código está tomado de Un pequeño libro de R para series de tiempo.

births <- scan("http://robjhyndman.com/tsdldata/data/nybirths.dat")
birthstimeseries <- ts(births, frequency = 12, start = c(1946,1))
birthstimeseriescomponents <- decompose(birthstimeseries)
plot(birthstimeseriescomponents)

Puede verificar los componentes individuales con

birthstimeseriescomponents$seasonal
birthstimeseriescomponents$random
birthstimeseriescomponents$trend

Otro método es incluir variables ficticias estacionales y verificar si tienen valores p significativos cuando calcula la regresión. Si los meses individuales tienen coeficientes significativos, su serie temporal mensual es estacional.

Otro método para detectar la estacionalidad es trazar los datos en sí o trazar el ACF (función de autocorrelación). En nuestro caso, puede notar fácilmente que hay estacionalidad.

Y por último, pero no menos importante, hay algunas pruebas de hipótesis "formales" para detectar la estacionalidad, como la prueba T de Student y la prueba de rango firmado de Wilcoxon.

Ferdi
fuente

en mi caso, no sé por mí mismo (estacionalidad aditiva versus multiplicativa, estacionalidad individual versus múltiple Estacionalidad con un número par o igual de períodos), tengo muchas series de tiempo y me gustaría tener un enfoque genérico tanto como posible. Para comenzar, me gustaría comenzar con aditivos, estacionalidad única, incluso + ni siquiera. @Ferdi

Michael D

tal vez debería pensar en sus datos: ¿son datos diarios, semanales, mensuales o trimestrales? ¿Hay algún choque o irregularidad? ¿Qué observas cuando lo visualizas?

Ferdi

Algunas de las series de tiempo tienen semanal, diario, cada hora. Y alguna otra no tiene nada. Para el primer paso, quiero detectar si el componente estacional significa completo. Para su segundo ejemplo, tiene Lag 3 y 12. Pero de alguna manera a simple vista no encuentro ninguna estacionalidad en el retraso 3. ¿Es mejor mirar el pacf en su lugar? Si miro ACF o PACF, ¿cómo distingo el modelo AR (p) (que no es estacional) versus un modelo estacional? @Ferdi

Michael D

No conozco ningún algoritmo que pueda ejecutar ciegamente en cualquier tipo de serie temporal para probar la estacionalidad

Ferdi

Estoy ... AUTOBOX busca automáticamente tanto la estructura estocástica como ARIMA y la estructura determinista (efectos fijos como el día de la semana, el mes del año, el día del mes, el trimestre del trimestre). -año, etc.) al lidiar con complicaciones como cambios de nivel / paso, tendencias de tiempo local, pulsos, cambios en ambos parámetros y variación de errores a lo largo del tiempo. Hay una versión R. Es una consecuencia de mi disertación de PHD para automatizar la identificación del modelo de series de tiempo en configuraciones univariadas y multivariadas.

IrishStat

Prueba de estacionalidad de series de tiempo

Respuestas: