STL_Seasonal — funkcja wykresu
STL_Seasonal jest funkcją dekompozycji szeregów czasowych. Wraz z STL_Trend i STL_Residual funkcja ta służy do rozkładania szeregu czasowego na składniki sezonowe, trendowe i rezydualne. W kontekście algorytmu STL dekompozycja szeregów czasowych służy do identyfikacji zarówno powtarzających się sezonowych wzorców, jak i ogólnego trendu ze wskaźnika wejściowego i innych parametrów. Funkcja STL_Seasonal może zidentyfikować wzorzec sezonowy w szeregu czasowym, oddzielając go od ogólnego trendu przedstawianego przez dane.
Trzy funkcje STL odnoszą się do wskaźnika wejściowego przez prostą sumę:
STL_Trend + STL_Seasonal + STL_Residual = wskaźnik wejściowy
STL (dekompozycja sezonowo-trendowa z wykorzystaniem metody LOESS) wykorzystuje techniki wygładzania danych, a poprzez parametry wejściowe umożliwia dostosowanie okresowości wykonywanych obliczeń. Ta okresowość określa sposób segmentacji wymiaru czasowego wskaźnika wejściowego (miary) w analizie.
Jako minimum STL_Seasonal pobiera wskaźnik wejściowy (target_measure) i wartość liczby całkowitej dla period_int, a następnie zwraca wartość zmiennoprzecinkową. Dane wejściowe będą miały postać agregacji, która zmienia się wraz z wymiarem czasu. Opcjonalnie można uwzględnić wartości seasonal_smoother i trend_smoother, aby dostosować algorytm wygładzania.
Możesz używać tej funkcji, wprowadzając ją bezpośrednio do edytora wyrażeń wykresu lub dodając do miary modyfikator dekompozycji szeregów czasowych. Jest on również dostępny do użycia jako typ analizy w funkcji Wnioski. Więcej informacji zawierają tematy Dekompozycja szeregu czasowego i Typy analiz funkcji Wnioski.
Składnia:
STL_Seasonal(target_measure, period_int [,seasonal_smoother [,trend_smoother]])
Typ zwracanych danych: wartość podwójna
| Argument | Opis |
|---|---|
| target_measure |
Miara do rozłożenia na komponenty sezonowy i trendu. Powinna to być miara, taka jak Sum(Sales) lub Sum(Passengers), która zmienia się wraz z wymiarem czasu. To nie może być wartość stała. |
| period_int |
Okresowość zbioru danych. Ten parametr jest wartością całkowitą reprezentującą liczbę pojedynczych kroków składających się na jeden okres, lub cykl sezonowy, sygnału. Na przykład, jeśli szereg czasowy jest podzielony na jedną sekcję dla każdego kwartału roku, to period_int należy ustawić na wartość 4, aby zdefiniować okresowość jako Rok. |
| seasonal_smoother |
Długość wygładzacza sezonowego. To musi być liczba nieparzysta. Wygładzacz sezonowy używa danych dla określonej fazy w wahaniach sezonowych przez pewną liczbę okresów. Używany jest jeden krok wymiaru czasu z każdego okresu. Wygładzacz sezonowy wskazuje liczbę okresów używanych do wygładzania. Na przykład, jeśli wymiar czasu jest podzielony na miesiące a okres wynosi rok (12), to składnik sezonowy będzie obliczany w taki sposób, że każdy określony miesiąc każdego roku zostanie obliczony z danych dla tego samego miesiąca, zarówno w tamtym roku, jak i w sąsiednich latach. Wartość seasonal_smoother jest liczbą lat użytą do wygładzania. |
| trend_smoother |
Długość wygładzacza trendu. To musi być liczba nieparzysta. Wygładzacz trendu używa tej samej skali czasu, co parametr period_int i jego wartość jest liczbą granulek używanych do wygładzania. Na przykład, jeśli szereg czasowy jest podzielony na miesiące, wygładzacz trendu będzie liczbą miesięcy użytą do wygładzania. |
Funkcja wykresu STL_Seasonal jest często używana w połączeniu z następującymi funkcjami:
| Funkcja | Interakcja |
|---|---|
| STL_Trend — funkcja wykresu | To jest funkcji używana do obliczania składnika trendu szeregu czasowego. |
| STL_Residual — funkcja wykresu | W przypadku podziału wskaźnika wejściowego na składnik sezonowy i trendu, część odchyleń tej miary nie będzie pasować do jednego z tych dwóch głównych składników. Funkcja STL_Residual oblicza tę część dekompozycji. |
Kurs z pełnym przykładem przedstawiającym sposób użycia tej funkcji znajduje się tutaj: Samouczek — Dekompozycja szeregu czasowego w Qlik Sense.