Zu Hauptinhalt springen

STL_Seasonal - Diagrammfunktion

STL_Seasonal ist eine Zeitreihenzerlegungsfunktion. Zusammen mit STL_Trend 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_Seasonal kann ein Saisonmuster in einer Zeitreihe identifizieren und es vom allgemeinen, in den Daten angezeigten Trend trennen.

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_Seasonal 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.

Syntax:  

STL_Seasonal(target_measure, period_int [,seasonal_smoother [,trend_smoother]])

Rückgabe Datentyp: dual

Argumente
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_Seasonal wird oft in Kombination mit den folgenden Funktionen verwendet:

Verwandte Funktionen
Funktion Interaktion
STL_Trend - Diagrammfunktion Mit dieser Funktion wird die Trendkomponente 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.

Hat diese Seite Ihnen geholfen?

Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!