STL_Residual - diagramfunktion
STL_Residual är en funktion för uppdelning av tidsserier. Tillsammans med STL_Seasonal och STL_Trend används denna funktion för att dela upp en tidsserie i säsongs-, trend- och residualkomponenter. För STL-algoritmen används uppdelning i tidsserier för att identifiera både återkommande säsongsvariationer och en allmän trend för ett givet indatamätetal och andra parametrar. När denna åtgärd utförs kommer en del av indatamätetalen varken passa in för säsongs- eller trendkomponenten och kommer att definieras som residualkomponenten. STL_Residual-diagramfunktionen fångar upp denna del av beräkningen.
De tre STL-funktionerna är relaterade till indatamätetal genom en enkel summering:
STL_Trend + STL_Seasonal + STL_Residual = indatamätetal
STL (uppdelning per säsong och trend baserat på förlust) använder datautjämningstekniker och genom dess indataparametrar kan användare justera perioderna för beräkningarna som utförs. Dessa perioder fastställer hur tidsdimensionen för indatamåtten segmenteras i analysen.
Eftersom en uppdelning av tidsserier främst letar efter säsongsrelaterade och allmänna variationer i data så anses residualkomponenten vara den minst viktiga av de tre. En skev eller periodisk residualkomponent kan dock bidra till att identifiera problem i beräkningen, som t.ex. fel tidsperiodinställningar.
För STL_Residual krävs minst ett indatamätetal (target_measure) och ett heltalsvärde för dess period_int och den returnerar ett flyttalsvärde. Indatamätetalet kommer att vara en aggregering som varierar längs tidsdimensionen. Du kan även inkludera värden för seasonal_smoother och trend_smoother för att justera den utjämnande algoritmen.
Du kan arbeta med den här funktionen genom att ange den direkt i uttrycksredigeraren för ett diagram eller genom att lägga till modifikationen Upplösning av tidsserie till en åtgärd. Den kan också användas i Insikter som analystyp. Mer information finns i Upplösning av tidsserie och Analystyper i Insikter.
Syntax:
STL_Residual(target_measure, period_int [,seasonal_smoother [,trend_smoother]])
Returnerad datatyp: dual
| Argument | Beskrivning |
|---|---|
| target_measure |
Måttet som ska delas upp i säsongskomponenter och trendkomponenter. Detta ska vara ett mått såsom Sum(Sales) eller Sum(Passengers), som varierar längs tidsdimensionen. Detta kan inte vara ett konstant värde. |
| period_int |
Datauppsättningens tidsperiod. Den här parametern är ett heltalsvärde som representerar antal diskreta steg som ingår i en period eller en säsongscykel för signalen. Till exempel, om tidsserien är indelad i ett delavsnitt för varje kvartal av året så måste du ställa in period_int på 4 för att definiera tidsperioden till År. |
| seasonal_smoother |
Säsongsutjämnarens längd. Detta ska vara ett heltal. Säsongsutjämnare använder data för en specifik fas i säsongsvariationen över ett antal perioder. Ett diskret steg av tidsdimensionen används från varje period. Säsongsutjämnaren anger antal perioder som används för utjämning. Till exempel om tidsdimensionen segmenteras per månad och perioden är År (12) så beräknas säsongskomponenten på så sätt att varje månad av året beräknas utifrån data från samma månad, både i det året och i näraliggande år. seasonal_smoother-värdet är antalet år som används för utjämning. |
| trend_smoother |
Trendutjämnarens längd. Detta ska vara ett heltal. Trendutjämnaren använder samma tidsskala som period_int-parametern och dess värde är antalet partiklar som används för utjämning. Till exempel, om en tidsserie segmenteras per månad så är trendutjämnaren antalet månader som används för trendutjämning. |
STL_Residual-diagramfunktionen används ofta i kombination med följande funktioner:
| Funktion | Interaktion |
|---|---|
| STL_Seasonal - diagramfunktion | Detta är den funktion som används för att beräkna säsongskomponenten för en tidsserie. |
| STL_Trend - diagramfunktion | Detta är den funktion som används för att beräkna trendkomponenten för en tidsserie. |
En introduktionskurs med ett fullständigt exempel på hur man använder den här funktionen finns i Introduktionskurs – upplösning av tidsserie i Qlik Sense.