R语言使用decompose函数进行时间序列的波动趋势分解

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

使用decompose函数进行时间序列的波动趋势分解

实际上很多时间序列数据的波动趋势都可以分为长期趋势，周期性趋势和随机变化这三个叠加或相乘来表示的。在R中可以使用decompose(数据，type=“波动趋势分解类型”)这个函数来对时间序列数据进行趋势分解，并查看其变化的情况，数据类型为时间序列数据，使用这个函数的时候要求数据中的周期必须大于2个周期，type中波动趋势分解类型可以为“additive”表示为长期趋势+周期趋势+随机变化或“multiplicative”表示为长期趋势*周期趋势*随机变化这两种，可以看例子中的情况。

> sales.ts1<-ts(sales1,frequency=12,start=c(2013,1)) #使用ts函数对数值向量进行时间序列转化

> sales.ts1

     Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

2013  23  89  24  36   3  11   6   7  34  78  12  56

2014  13  44  14  23  89  24  36   3  11   6   7  34

2015  78  12  56  13  44  14  23  89  24  36   3  11

2016   6   7  34  78  12  56  13  44  14  23  89  24

2017  36   3  11   6   7  34  78  12  56  13  44  14

2018  23  89  24  36   3  11   6   7  34  78  12  56

2019  13  44  14                                    

> sol1<-decompose(sales.ts1,type="additive") #进行additive式趋势分解并绘图

> t(sol1)

> sol2<-decompose(sales.ts1,type="multiplicative")#进行multiplicative式分解并绘图

> plot(sol2)

>

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Deco comp Ecom 时间序列 pose 周期性

图中trend图表示时间序列的趋势，seasonal表示季节性变化趋势，季节变化与数据中的频率有关系，这里时间频率设置为12，即在数据时间序列转化中ts函数中设置的frequency=12。Random表示随机误差的情况。

Before decomposing any time series data, check the existence of seasonality and trend. Otherwise, the scaled outcome may be misguiding.

3Q very much!

Cool! 讲得很清楚

谢谢