STL-Zerlegung: Saisonale-Trend-Zerlegung mittels Loess
Die STL-Zerlegung, eingeführt von Cleveland, Cleveland, McRae und Terpenning (1990), ist ein nichtparametrisches Verfahren, das eine Zeitreihe in drei additive Komponenten – Trend, Saison und Rest – zerlegt, wobei eine iterative lokal gewichtete Regression (Loess) verwendet wird. Sie wird in der Ökonomie, Meteorologie und Datenwissenschaft weit verbreitet eingesetzt, verarbeitet Zeitreihen beliebiger Periodizität und ist robust gegenüber Ausreißern, was sie zu einer äußerst flexiblen Alternative zu klassischen Zerlegungsmethoden macht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/de/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-Modell (Autoregressive Integrated Moving Average)Ökonometrie↔ compare
- LOESS / LOWESS Lokale RegressionMaschinelles Lernen↔ compare
- X-13ARIMA-SEATS SaisonbereinigungÖkonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →