数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚学
法律学如何在 R 中使用 loess 方法对具有趋势和季节性分量的时间序列进行分解？
为了使用 R 中的 loess 方法对具有趋势和季节性分量的时间序列进行分解，我们可以按照以下步骤操作 -
首先，创建一个时间序列对象。
然后，使用 stl 函数对具有趋势和季节性分量的的时间序列进行分解。
示例
创建时间序列对象
让我们使用 ts 函数创建一个时间序列对象 -
x<-sample(1:1000,48) TimeSeries<-ts(x,start=c(2017,1),end=c(2020,12),frequency=12) TimeSeries
输出
在执行时，以上脚本会生成以下输出（此输出将在您的系统上因随机化而有所不同） -
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2017 3 686 888 748 632 170 922 395 293 460 244 454 2018 540 560 496 436 619 936 286 243 495 580 542 14 2019 171 983 923 422 698 302 838 858 398 45 8 927 2020 700 323 743 201 588 654 197 620 199 929 954 213
分解时间序列
使用 stl 函数分解具有趋势和季节性分量的 timeSeries 时间序列对象，如下所示 -
x<-sample(1:1000,48) TimeSeries<-ts(x,start=c(2017,1),end=c(2020,12),frequency=12) stl(TimeSeries,s.window="periodic")
输出
Call:
stl(x = TimeSeries, s.window = "periodic")
Components
seasonal trend remainder
Jan 2017 -13.51116 620.0779 -270.566700
Feb 2017 -25.67301 597.0258 266.647194
Mar 2017 -101.08461 573.9738 -19.889167
Apr 2017 219.41788 551.1312 225.450967
May 2017 -83.57931 528.2885 -430.709219
Jun 2017 74.54494 505.7850 219.670064
Jul 2017 30.41916 483.2815 151.299379
Aug 2017 -159.59590 460.6482 111.947695
Sep 2017 -80.86115 438.0150 -243.153796
Oct 2017 -186.38804 418.7237 -67.335678
Nov 2017 96.33461 399.4325 51.232899
Dec 2017 229.97668 398.6426 -196.619290
Jan 2018 -13.51116 397.8527 -41.341565
Feb 2018 -25.67301 405.1831 114.489873
Mar 2018 -101.08461 412.5136 -273.428943
Apr 2018 219.41788 419.9627 -136.380615
May 2018 -83.57931 427.4119 196.167391
Jun 2018 74.54494 433.9023 188.552751
Jul 2018 30.41916 440.3927 116.188144
Aug 2018 -159.59590 449.1809 184.414994
Sep 2018 -80.86115 457.9691 -63.107963
Oct 2018 -186.38804 473.2262 -234.838182
Nov 2018 96.33461 488.4833 -283.817943
Dec 2018 229.97668 494.2690 197.754316
Jan 2019 -13.51116 500.0547 10.456488
Feb 2019 -25.67301 507.5730 -413.900027
Mar 2019 -101.08461 515.0914 233.993203
Apr 2019 219.41788 538.5873 117.994862
May 2019 -83.57931 562.0831 470.496200
Jun 2019 74.54494 586.6381 -6.183045
Jul 2019 30.41916 611.1931 -486.612258
Aug 2019 -159.59590 619.9637 -230.367763
Sep 2019 -80.86115 628.7342 -57.873076
Oct 2019 -186.38804 614.9466 529.441447
Nov 2019 96.33461 601.1590 42.506428
Dec 2019 229.97668 585.6774 -23.654081
Jan 2020 -13.51116 570.1958 284.315323
Feb 2020 -25.67301 561.9913 15.681732
Mar 2020 -101.08461 553.7867 42.297887
Apr 2020 219.41788 546.5084 -222.926267
May 2020 -83.57931 539.2301 -250.650742
Jun 2020 74.54494 530.2467 -414.791602
Jul 2020 30.41916 521.2633 208.317571
Aug 2020 -159.59590 514.3819 -74.786011
Sep 2020 -80.86115 507.5006 357.360600
Oct 2020 -186.38804 504.2319 -232.843895
Nov 2020 96.33461 500.9633 185.702068
Dec 2020 229.97668 500.1919 18.831369
更新于： 2021 年 11 月 11 日
342 浏览次数
广告