STL Decomposition: Seasonal-Trend Decomposition using Loess
STL Decomposition، که توسط Cleveland، Cleveland، McRae و Terpenning (1990) معرفی شد، یک رویه غیرپارامتری است که سری زمانی را به سه مؤلفه جمعی — روند (trend)، فصلی (seasonal) و باقیمانده (remainder) — با استفاده از رگرسیون تکرارشونده محلی وزندار (loess) تفکیک میکند. این روش که به طور گسترده در اقتصاد، هواشناسی و علم داده استفاده میشود، سریهای زمانی با هر دورهای را مدیریت میکند و در برابر وجود دادههای پرت (outliers) مقاوم است، که آن را به جایگزینی بسیار انعطافپذیر برای روشهای تجزیه کلاسیک تبدیل میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/fa/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.
- مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)اقتصادسنجی↔ compare
- رگرسیون موضعی LOESS / LOWESSیادگیری ماشین↔ compare
- تنظیم فصلی X-13ARIMA-SEATSاقتصادسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →