STL_Residual — funkcja wykresu
STL_Residual jest funkcją dekompozycji szeregów czasowych. Wraz z STL_Seasonal i STL_Trend 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. Podczas wykonywania tej operacji część zmienności we wskaźniku wejściowym nie będzie pasować ani do składnika sezonowego, ani do składnika trendowego i zostanie zdefiniowana jako składnik rezydualny. Funkcja wykresu STL_Residual przechwytuje tę część obliczeń.
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.
Ponieważ dekompozycja szeregów czasowych poszukuje przede wszystkim sezonowości i ogólnych odchyleń w danych, informacje w składniku rezydualnym są uważane za najmniej istotne z tych trzech składników. Jednak niestandardowy lub okresowy składnik rezydualny może pomóc w zidentyfikowaniu problemów w obliczeniach, takich jak nieprawidłowe ustawienia okresowości.
Jako minimum STL_Residual 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.
Składnia:
STL_Residual(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_Residual jest często używana w połączeniu z następującymi funkcjami:
| Funkcja | Interakcja |
|---|---|
| STL_Seasonal — funkcja wykresu | To jest funkcja używana do obliczania sezonowego składnika szeregu czasowego. |
| STL_Trend — funkcja wykresu | To jest funkcji używana do obliczania składnika trendu szeregu czasowego. |
Kurs z pełnym przykładem przedstawiającym sposób użycia tej funkcji znajduje się tutaj: Samouczek — Dekompozycja szeregu czasowego w Qlik Sense.