Interpretacja pasków zakresu w wykresie R.'s.stl?

Mam problem z ustaleniem, co plot.stldokładnie oznaczają słupki zasięgu . Znalazłem post Gavina na to pytanie i przeczytałem również dokumentację, rozumiem, że mówią one o względnej wielkości rozłożonych komponentów, ale nadal nie jestem całkowicie pewien, jak działają.

Na przykład:

dane: malutki słupek, brak skali sezonowej: pełny słupek, ze skalą w zakresie od -0,6 do 0,2 trendu: kolejny malutki słupek (wydaje się być równy danym), brak pozostałej skali: słupek średniej wielkości ze skalą od -1,5 do 0,5

Nie rozumiem, co stanowi podstawę relacji i dlaczego trend nie ma skali. Próbowałem stli decomposeidentycznymi wynikami dla metod multyplikatywnych i dodatków.

Oto przykład omawiania szczegółów:

> plot(stl(nottem, "per"))

Tak więc na górnym panelu możemy uznać pasek za 1 jednostkę zmienności. Pasek na panelu sezonowym jest tylko nieznacznie większy niż pasek na panelu danych, co wskazuje, że sygnał sezonowy jest duży w stosunku do zmienności danych. Innymi słowy, jeśli zmniejszymy panel sezonowy tak, aby pole stało się tego samego rozmiaru, co w panelu danych, zakres zmian w skurczonym panelu sezonowym będzie podobny, ale nieco mniejszy niż w panelu danych.

Teraz rozważ panel trendów; szare pole jest teraz znacznie większe niż którekolwiek z danych lub panelu sezonowego, co wskazuje, że zmiana przypisana trendowi jest znacznie mniejsza niż składnik sezonowy, a zatem tylko niewielka część zmian w serii danych. Odmiana przypisywana trendowi jest znacznie mniejsza niż komponent stochastyczny (pozostałe). W związku z tym możemy wywnioskować, że dane te nie wykazują trendu.

Teraz spójrz na inny przykład:

> plot(stl(co2, "per"))

co daje

Jeśli spojrzymy na względne rozmiary słupków na tym wykresie, zauważymy, że trend dominuje w serii danych, w związku z czym szare słupki mają podobny rozmiar. Kolejne największe znaczenie ma zmienność w skali sezonowej, chociaż zmienność w tej skali jest znacznie mniejszym składnikiem zmienności wykazanej w oryginalnych danych. Resztki (reszta) reprezentują tylko małe fluktuacje stochastyczne, ponieważ szary pasek jest bardzo duży w stosunku do innych paneli.

Ogólna idea jest taka, że ​​jeśli skalujesz wszystkie panele w taki sposób, aby szare paski były tego samego rozmiaru, będziesz w stanie określić względną wielkość zmian w każdym z komponentów i wielkość zmiany w oryginalnych danych zawierały. Ale ponieważ wykres rysuje każdy komponent we własnej skali, potrzebujemy słupków, aby dać nam skalę względną do porównania.

Czy to pomaga?