STL_Trend - Diagrammfunktion
STL_Trend ist eine Zeitreihenzerlegungsfunktion. Zusammen mit STL_Seasonal und STL_Residual wird diese Funktion verwendet, um eine Zeitreihe in Saison-, Trend- und Restkomponenten zu zerlegen. Im Kontext des STL-Algorithmus wird Zeitreihenzerlegung verwendet, um sowohl Saisonmuster als auch einen allgemeinen Trend aus einer Eingabemetrik und anderen Parametern zu ermitteln. Die Funktion STL_Trend identifiziert einen allgemeinen, von Saisonmustern oder -zyklen unabhängigen Trend in den Zeitreihendaten.
Die drei STL-Funktionen hängen über eine einfache Summe mit der Eingabemetrik zusammen:
STL_Trend + STL_Seasonal + STL_Residual = Eingabemetrik
STL (Saison-Trend-Zerlegung mittels LOESS) nutzt Datenglättungstechniken und ermöglicht es den Benutzern anhand von Eingabeparametern, die Periodizität der durchgeführten Berechnungen anzupassen. Diese Periodizität bestimmt, wie die Zeitdimension der Eingabemetrik (eine Kennzahl) in der Analyse segmentiert wird.
STL_Trend benötigt mindestens eine Eingabemetrik (target_measure) und einen Ganzzahlwert für seinen period_int und gibt einen Gleitkommawert zurück. Die Eingabemetrik hat die Form einer Aggregierung, die entlang der Zeitdimension variiert. Optional können Sie Werte für seasonal_smoother und trend_smoother einschließen, um den Glättungsalgorithmus anzupassen.
Sie können mit dieser Funktion arbeiten, indem Sie sie direkt im Formel-Editor für ein Diagramm eingeben, oder indem Sie den Modifikator Zeitreihenzerlegung zu einer Kennzahl hinzufügen. Sie wird auch in Insight Advisor als Analysetyp verwendet. Weitere Informationen finden Sie unter Zeitreihenzerlegung und Insight Advisor-Analysetypen.
Syntax:
Rückgabe Datentyp: dual
| Argument | Beschreibung |
|---|---|
| target_measure |
Die Kennzahl zum Zerlegen in Saison- und Trendkomponenten. Dies kann eine Kennzahl wie Sum(Sales) oder Sum(Passengers) sein, die entlang der Zeitdimension variiert. Dabei muss es sich nicht um einen konstanten Wert handeln. |
| period_int |
Die Periodizität des Datensatzes. Dieser Parameter ist ein Ganzzahlwert, der die Anzahl der diskreten Schritte darstellt, aus denen sich ein Zeitraum bzw. Saisonzyklus des Signals zusammensetzt. Wenn beispielsweise die Zeitreihe in einen Abschnitt für jedes Vierteljahr segmentiert wird, müssen Sie den period_int auf einen Wert von 4 festlegen, um die Periodizität als Jahr zu definieren. |
| seasonal_smoother |
Länge des Saisonglätters. Dabei muss es sich um eine ungerade Ganzzahl handeln. Der Saisonglätter verwendet Daten für eine bestimmte Phase in der Saisonvariation über eine Reihe von Zeiträumen. Ein diskreter Schritt der Zeitdimension wird für jeden Zeitraum verwendet. Der Saisonglätter gibt die Anzahl der Zeiträume an, die für die Glättung verwendet werden. Wenn beispielsweise die Zeitdimension nach Monat segmentiert wird und der Zeitraum Jahr (12) ist, wird die Saisonkomponente so berechnet, dass jeder einzelne Monat jeden Jahres anhand von Daten für den gleichen Monat berechnet wird, sowohl in diesem Jahr als auch in den angrenzenden Jahren. Der Wert seasonal_smoother ist die Anzahl der Jahre, die zur Glättung verwendet werden. |
| trend_smoother |
Länge des Trendglätters. Dabei muss es sich um eine ungerade Ganzzahl handeln. Der Trendglätter verwendet die gleiche Zeitskala wie der Parameter period_int, und sein Wert ist die Anzahl der Körner, die zur Glättung verwendet werden. Wenn z. B. eine Zeitreihe nach Monat segmentiert wird, ist der Trendglätter die Anzahl der Monate, die zum Glätten verwendet werden. |
Die Diagrammfunktion STL_Trend wird oft in Kombination mit den folgenden Funktionen verwendet:
| Funktion | Interaktion |
|---|---|
| STL_Seasonal - Diagrammfunktion | Mit dieser Funktion wird die Saisonkomponente einer Zeitreihe berechnet. |
| STL_Residual - Diagrammfunktion | Wenn eine Eingabemetrik in eine Saison- und eine Trendkomponente zerlegt wird, passt ein Teil der Kennzahlvariationen in keine der beiden Hauptkomponenten. Die Funktion STL_Residual berechnet diesen Teil der Zerlegung. |
Ein Tutorial mit einem vollständigen Beispiel für die Verwendung dieser Funktion finden Sie unter Tutorial – Zeitreihenzerlegung in Qlik Sense.