W komentarzach użytkownika na tej stronie ktoś pyta o interpretację poziomu i nachylenia, a także o to, jak uzyskać trend i wartości resztkowe, które decompose()
zapewnia ta funkcja. Hyndman zauważa, że nie jest to tłumaczenie prosto jak decompose()
i tbats()
korzystać z różnych modeli. Ale jeśli twój model TBATS nie ma transformacji Box-Cox, poziom TBATS jest mniej więcej taki sam jak decompose()
trend. Jeśli natomiast model stosuje transformację Box-Coxa, musisz cofnąć transformację przed interpretacją poziomu jako (z grubsza) trendu. Przynajmniej tak interpretuję jego odpowiedź.
Jeśli chodzi o resztki i nachylenie, to nie są takie same.
Można pomyśleć, że podstawowy rozkład ma składową trendu, składową sezonową i składową resztkową.
Możesz przełamać trend dalej na poziom i nachylenie. Poziom jest zasadniczo punktem odniesienia dla trendu, a nachylenie jest zmianą na jednostkę czasu.
Powodem rozbicia trendu na poziom i nachylenie jest to, że niektóre modele obsługują tłumiony wzrost. Być może obserwujesz obecny wzrost, ale oczekujesz, że wzrost będzie stopniowo zmniejszał się w czasie i chcesz, aby Twoje prognozy odzwierciedlały to oczekiwanie. Model obsługuje to, umożliwiając tłumienie wzrostu poprzez zastosowanie współczynnika tłumienia na zboczu, co powoduje, że zbiega się on w kierunku zera, co oznacza, że trend zbiega się w kierunku jego komponentu poziomu.
Nie ma prostej odpowiedzi na pytanie, w jaki sposób poziom i nachylenie łączą się, aby uzyskać trend. To zależy od typu używanego modelu. Mówiąc ogólnie, modele trendów addytywnych łączą je w sposób addytywny, a modele trendów multiplikatywnych łączą je w multiplikatywny sposób. Tłumione warianty modeli łączą poziom z tłumionym zboczem. Książka Hyndman's Forecasting with Exponential Smoothing (mam nadzieję, że dodanie linku Amazon jest w porządku - nie mam żadnego powiązania z autorem) zawiera dokładne równania dla poszczególnych modeli w tabeli 2.1.