STL-декомпозиция: разложение сезонно-трендовых рядов с использованием локальной регрессии (Loess)
STL-декомпозиция, предложенная Кливлендом, Кливлендом, Макреем и Терпеннингом (1990), представляет собой непараметрическую процедуру, которая разделяет временной ряд на три аддитивные компоненты — тренд, сезонность и остаток — с использованием итеративной локально взвешенной регрессии (loess). Широко используемая в экономике, метеорологии и науке о данных, она обрабатывает временные ряды любой периодичности и устойчива к наличию выбросов, что делает ее очень гибкой альтернативой классическим методам декомпозиции.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). STL: Seasonal-Trend Decomposition using Loess. ScholarGate. https://scholargate.app/ru/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.
- Модель ARIMA (авторегрессионная интегрированная скользящая средняя)Эконометрика↔ compare
- Локальная регрессия LOESS / LOWESSМашинное обучение↔ compare
- Сезонная корректировка X-13ARIMA-SEATSЭконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →