Décomposition STL : Décomposition Saisonnier-Tendance par Loess
La décomposition STL, introduite par Cleveland, Cleveland, McRae et Terpenning (1990), est une procédure non paramétrique qui sépare une série temporelle en trois composantes additives — tendance, saisonnalité et résidu — en utilisant une régression itérative localement pondérée (loess). Largement utilisée en économie, météorologie et science des données, elle gère les séries temporelles de toute périodicité et est robuste à la présence de valeurs aberrantes, ce qui en fait une alternative très flexible aux méthodes de décomposition classiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/fr/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.
- Modèle ARIMA (Autoregressive Integrated Moving Average)Économétrie↔ compare
- Régression locale LOESS / LOWESSApprentissage automatique↔ compare
- Ajustement Saisonnier X-13ARIMA-SEATSÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →