STL-hajotelma: Kausivaihtelun ja trendin hajotelma Loess-menetelmällä
STL-hajotelma, jonka esittelivät Cleveland, Cleveland, McRae ja Terpenning (1990), on ei-parametrinen menetelmä, joka erottaa aikasarjan kolmeen additiiviseen komponenttiin – trendiin, kausivaihteluun ja jäännökseen – käyttäen iteratiivista paikallisesti painotettua regressiota (loess). Menetelmää käytetään laajalti taloustieteessä, meteorologiassa ja datatieteessä. Se käsittelee minkä tahansa jakson pituisia aikasarjoja ja on robusti poikkeavien arvojen suhteen, mikä tekee siitä erittäin joustavan vaihtoehdon klassisille hajotelmamenetelmille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/fi/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) -malliEkonometria↔ compare
- LOESS / LOWESS Paikallinen regressioKoneoppiminen↔ compare
- X-13ARIMA-SEATS -kausitasoitusEkonometria↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →