STL_Residual - diagramfunctie
STL_Residual is een splitsingsfunctie voor tijdreeksen. Samen met STL_Seasonal en STL_Trend wordt deze functie gebruikt om een tijdreeks te ontleden in seizoens-, trend- en restcomponenten. Binnen de context van het STL-algoritme wordt de splitsingsfunctie voor tijdreeksen gebruikt om zowel terugkerende seizoensgebonden patronen te identificeren op basis van invoergegevens en andere parameters. Bij het uitvoeren van deze bewerking zal een deel van de variatie binnen de invoergegevens niet passen binnen de seizoens- of trendcomponent en als overig component worden aangeduid. De diagramfunctie STL_Residual registreert dit deel van de berekening.
De drie STL-functies zijn gerelateerd aan de inputgegevens op basis van een simpele som:
STL_Trend + STL_Seasonal + STL_Residual = invoergegevens
STL (uitsplitsing op basis van seizoenen en trends met behulp van Loess) gebruikt technieken voor het gladstrijken van gegevens en door middel van de invoerparameters kan een gebruiker de periodiciteit wijzigen van de uit te voeren berekeningen. De periodiciteit bepaalt hoe de tijddimensie van de invoergegevens (een meting) wordt gesegmenteerd in de analyse.
Bij de splitsing van tijdreeksen wordt over het algemeen gekeken naar seizoensgebonden en algemene variaties in de gegevens, daarom wordt de informatie in het overige component als minst belangrijk beschouwt. Een onregelmatig of periodiek restcomponent kan echter helpen om problemen in de berekening te identificeren, zoals incorecte instellingen voor periodiciteit.
Voor STL_Residual gelden minimale invoergegevens (Expression) en een gehele waarde voor de Period, waarbij een waarde met drijvende komma wordt geretourneerd. De invoergegevens hebben de vorm van een aggregatie die varieert binnen de tijdsdimensie. U kunt ook waarden opnemen voor de seasonal_smoother en trend_smoother om de effectiviteit van het gladheidsalgoritme te wijzigen.
Syntaxis:
STL_Residual(Expression, period [,seasonal_smoother [,trend_smoother]])
Retourgegevenstypen: dual
| Argument | Beschrijving |
|---|---|
| Expression | De aggregatie of meting, die varieert binnen de tijdsdimensie, die de berekening bevat die u wilt analyseren. Dit mag geen constante waarde zijn. |
| period |
De periodiciteit van de gegevensverzameling. Deze parameter is een gehele waarde die het aantal discrete stappen bevat van één periode, of seizoenscyclus, van het signaal. Als de tijdsreeks bijvoorbeeld is gesegmenteerd in één sectie voor elk kwartaal van het jaar, moet u de period instellen op 4 om de periodiciteit te definiëren als Jaar. |
| seasonal_smoother |
Lengte van de seizoensgebonden gladheidsfactor. Dit moet een oneven geheel getal zijn. De seizoensgebonden gladheidsfactor gebruikt gegevens voor een specifieke fase binnen seizoensfluctuaties over een aantal perioden. Eén discrete stap van de tijdsdimensie van elke periode wordt gebruikt. De seizoensgebonden gladheidsfactor geeft het aantal perioden dat voor de gladheid wordt gebruikt. Als de tijdsdimensie wordt gesegmenteerd op maand en de periode Jaar (12) is, wordt het seizoenscomponent berekend zodat elke maand van elk jaar wordt berekend op basis van gegevens van dezelfde maand, zowel in dat jaar als in voorgaande jaren. De waarde seasonal_smoother is het aantal jaren dat voor gladheid wordt gebruikt. |
| trend_smoother |
Lengte van de trendgebonden gladheidsfactor. Dit moet een oneven geheel getal zijn. De trendgladheid gebruikt dezelfde tijdschaal als de parameter period en de waarde is het aantal granulaten dat wordt gebruikt voor het gladstrijken. Als een tijdreeks bijvoorbeeld is gesegmenteerd per maand, dan is de trendgladheid het aantal maanden dat wordt gebruikt voor het gladstrijken. |
De diagramfunctie STL_Residual wordt vaak gebruikt in combinatie met de volgende functies:
| Functie | Interactie |
|---|---|
| STL_Seasonal - diagramfunctie | Dit is de functie die wordt gebruikt voor het berekenen van de seizoenscomponent van een tijdreeks. |
| STL_Trend - diagramfunctie | Dit is de functie die wordt gebruikt voor het berekenen van de trendcomponent van een tijdreeks. |
Ga voor een tutorial met een volledig voorbeeld dat laat zien hoe u deze functie gebruikt naar Tutorial: Uitsplitsing van tijdreeksen in Qlik Sense.