ScholarGate
Assistent
Process / pipelineTrend & seasonality

STL-dekomponering: Sæson-trend-dekomponering ved hjælp af Loess

STL-dekomponering, introduceret af Cleveland, Cleveland, McRae og Terpenning (1990), er en ikke-parametrisk procedure, der adskiller en tidsserie i tre additive komponenter — trend, sæsonudsving og rest — ved hjælp af iterativ lokalt vægtet regression (loess). Den anvendes bredt inden for økonomi, meteorologi og datalogi, håndterer tidsserier af enhver periodicitet og er robust over for tilstedeværelsen af outliers, hvilket gør den til et yderst fleksibelt alternativ til klassiske dekomponeringsmetoder.

Anvend med EconMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Cleveland, R. B., Cleveland, W. S., McRae, J. E., & Terpenning, I. (1990). STL: A seasonal-trend decomposition procedure based on loess. Journal of Official Statistics, 6(1), 3–73. link

Sådan citerer du denne side

ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/da/econometrics/stl-decomposition

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Refereret af

ScholarGateSTL Decomposition (STL: Seasonal-Trend Decomposition using Loess). Hentet 2026-06-15 fra https://scholargate.app/da/econometrics/stl-decomposition · Datasæt: https://doi.org/10.5281/zenodo.20539026