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.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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.
- ARIMA (Autoregressive Integrated Moving Average) ModelØkonometri↔ compare
- LOESS / LOWESS Lokal RegressionMaskinlæring↔ compare
- X-13ARIMA-SEATS SæsonjusteringØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →