# STL\_Trend - 圖表函數

STL\_Trend 是時間序列分解函數。連同 STL\_Seasonal 和 STL\_Residual，此函數用來將時間序列分解為季節、趨勢和剩餘元件。在 STL 演算法的脈絡下，時間序列分解用來識別輸入指標和其他參數下的週期性季節模式和一般趨勢。STL\_Trend 函數將會從時間序列資料中識別一般趨勢，獨立於季節模式和週期。

三個 STL 函數與透過簡單加總的輸入指標相關：

STL\_Trend + STL\_Seasonal + STL\_Residual = 輸入指標

STL (使用 Loess 的季節和趨勢分解) 採用資料平滑技術，並透過其輸入參數，讓使用者調整所執行的計算週期性。此週期性決定如何在分析中分段輸入指標的時間維度。

至少，STL\_Trend 為其 `period_int` 採用輸入指標 (`target_measure`) 和整數值，傳回浮動點值。輸入指標將為隨時間維度而異的彙總形式。或者，您也可以納入 `seasonal_smoother` 和 `trend_smoother` 的值，以調整平滑演算法。

您可以直接在圖表的運算式編輯器中輸入，或在量值新增時間序列分解修飾詞，以使用此函數。這也可以作為分析類型用於 Insight Advisor。如需更多資訊，請參閱 [時間序列分解](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Measures/modifiers.htm#Time) 和 [Insight Advisor 分析類型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Insights/insight-analysis-types.htm)。

語法：

STL\_Trend(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

傳回的資料類型： 雙值

引數

| 引數 | 描述 |
| --- | --- |
| target\_measure | 分解為「季節」和「趨勢」元件的量值。這應為隨著時間維度而異的量值，例如 Sum(Sales) 或 Sum(Passengers)。<br><br>這不可是常數值。 |
| period\_int | 資料集的週期性。此參數是整數值，代表組成訊號的一個期間或季節週期的離散步驟數量。<br><br>例如，若時間序列針對該年的每季分為一個區段，您必須將 period\_int 值設定為 4，以將週期性定義為年。 |
| seasonal\_smoother | 季節平滑器長度。這必須是奇數。季節平滑器透過期間數量使用季節變化中特定階段的資料。會從每個期間使用時間維度的一個離散步驟。季節平滑器指示用於平滑處理的期間數量。<br><br>例如，若以月份分隔時間維度，而期間為年 (12)，則會運算季節元件，會在該年和相鄰年份從相同月份的資料計算每年的每個特定月份。seasonal\_smoother 值是用於平滑處理的年數。 |
| trend\_smoother | 趨勢平滑器長度。這必須是奇數。趨勢平滑器使用與 period\_int 參數相同的時間刻度，其值是用於平滑處理的精度數量。<br><br>例如，若以月份分隔時間序列，則趨勢平滑器將會是用於平滑處理的月數。 |

STL\_Trend 圖表函數通常用於組合下列函數：

相關函數

| 函數 | 互動 |
| --- | --- |
| [STL_Seasonal - 圖表函數](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_seasonal.htm) | 這是用來運算時間序列季節元件的函數。 |
| [STL_Residual - 圖表函數](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_residual.htm) | 將輸入指標分為季節和趨勢元件時，部分量值的變化將不適合兩個主元件的任一項。STL\_Residual 函數會運算此分解部分。 |

如需以完整範例顯示如何使用此功能的教學課程，請參閱 [教學課程 - Qlik Sense 中的時間序列分解](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/tutorial-time-series-decomposition.htm)。