Dostosowanie sezonowe jest kluczowym etapem wstępnego przetwarzania danych do dalszych badań. Badacz ma jednak wiele opcji rozkładu sezonowego w cyklu trendu. Najczęstszymi (sądząc po liczbie cytowań w literaturze empirycznej) rywalizującymi metodami rozkładu sezonowego są X-11 (12) -ARIMA, Tramo / Seats (oba zaimplementowane w Demetra + ) i 's stl . Dążąc do uniknięcia losowego wyboru wyżej wymienionych technik rozkładu (lub innych prostych metod, takich jak zmienne zmienne sezonowe) chciałbym poznać podstawową strategię, która prowadzi do skutecznego wyboru metody rozkładu sezonowego.
Kilka ważnych pytań (mile widziane są również linki do dyskusji):
- Jakie są podobieństwa i różnice, mocne i słabe strony metod? Czy są jakieś szczególne przypadki, w których jedna metoda jest bardziej preferowana niż inne?
- Czy możesz podać ogólne wskazówki na temat tego, co znajduje się w czarnej skrzynce różnych metod rozkładu?
- Czy istnieją specjalne sztuczki przy wyborze parametrów metod (nie zawsze jestem zadowolony z wartości domyślnych,
stl
na przykład ma wiele parametrów do rozwiązania, czasami wydaje mi się, że po prostu nie wiem, jak wybrać te w odpowiedni sposób). - Czy można zasugerować niektóre (statystyczne) kryteria, że szereg czasowy jest efektywnie dostosowywany sezonowo (analiza korelogramu, gęstość widmowa - kryteria małej próby - solidność?).