Soy nuevo en R y en el análisis de series de tiempo. Estoy tratando de encontrar la tendencia de una serie temporal de temperatura diaria larga (40 años) e intenté diferentes aproximaciones. La primera es solo una regresión lineal simple y la segunda es la descomposición estacional de series temporales de Loess.
En este último parece que el componente estacional es mayor que la tendencia. Pero, ¿cómo cuantifico la tendencia? Me gustaría solo un número que diga qué tan fuerte es esa tendencia.
Call: stl(x = tsdata, s.window = "periodic")
Time.series components:
seasonal trend remainder
Min. :-8.482470191 Min. :20.76670 Min. :-11.863290365
1st Qu.:-5.799037090 1st Qu.:22.17939 1st Qu.: -1.661246674
Median :-0.756729578 Median :22.56694 Median : 0.026579468
Mean :-0.005442784 Mean :22.53063 Mean : -0.003716813
3rd Qu.:5.695720249 3rd Qu.:22.91756 3rd Qu.: 1.700826647
Max. :9.919315613 Max. :24.98834 Max. : 12.305103891
IQR:
STL.seasonal STL.trend STL.remainder data
11.4948 0.7382 3.3621 10.8051
% 106.4 6.8 31.1 100.0
Weights: all == 1
Other components: List of 5
$ win : Named num [1:3] 153411 549 365
$ deg : Named int [1:3] 0 1 1
$ jump : Named num [1:3] 15342 55 37
$ inner: int 2
$ outer: int 0
fuente
gls()
en el paquete nlme). Pero como lo anterior muestra para El Cairo, y el STL sugiere para sus datos, la tendencia no es lineal. Como tal, una tendencia lineal no sería apropiada, ya que no describe los datos correctamente. Debe probarlo con sus datos, pero una AM como la muestro se degradaría a una tendencia lineal si se ajustara mejor a los datos.Gavin proporcionó una respuesta muy completa, pero para una solución más simple y rápida, recomiendo establecer el parámetro de la función stl t.window en un valor que sea un múltiplo de la frecuencia de los datos ts . Usaría la periodicidad de interés inferida (p. Ej., Un valor de 3660 para tendencias de década con datos de resolución diurna). También puede estar interesado en el paquete stl2 descrito en la disertación del autor . He aplicado el método de Gavin a mis propios datos y también es muy efectivo.
fuente