stl或分解哪个更好？

我正在使用R进行时间序列分析。我必须将数据分解为趋势，季节和随机分量。我有3年的每周数据。我在R stl()和中发现了两个函数decompose()。我读过stl()对乘法分解不利。谁能告诉我在什么情况下可以使用这些功能？

我会说STL。STL确实具有趋势和季节性，请参见：http : //www.wessa.net/download/stl.pdf

仅分解不季节性，请参阅此处的文档：http : //stat.ethz.ch/R-manual/R-devel/library/stats/html/decompose.html

当您使用它们时，请确保包括趋势类型（乘法，加法）和季节类型（乘法，加法）。趋势有时也可能具有阻尼因素。

通过乘性分解，我假设您的意思是趋势。除非要分解指数增长函数，否则不太可能使用乘法分解。

decomposeR 中功能的缺点：

1. 对于前几个观察和最后几个观察，都无法获得趋势的估计值。
2. 假定季节性因素每年重复一次。

所以我更喜欢STL。通过首先获取数据日志，然后对组件进行反变换，可以获得乘法分解。

从允许季节性变化的意义上讲，STL是一种提取季节性的更先进的技术，而在这种情况下不是这样decompose。

要了解STL的工作原理，请执行以下操作：

• 该算法会估算每个季节性子系列（以7天的季节性计算，它将估算7个子系列：星期一时间系列，星期二时间系列等），
• 然后，它将通过对每个子系列进行黄土回归来估计当地的季节性。

这样可以捕获季节性变化的影响。如果您不希望季节变化（换句话说，每个子序列的估计效果在整个时间序列中都将保持不变），则可以将季节窗口指定为无限或“周期性”。这等效于平均每个子系列，并对所有点赋予相等的权重（您不再具有任何“局部”效果）。decompose基本上是相同的，因为季节性子组件将在整个时间序列中保持不变，这是STL的特殊配置。

这在这里很好地解释了：https : //www.otexts.org/fpp/6/1。

STL以累加方式估算季节性。如上一资源后面几页所述，您可以通过对数转换（或Cox-Box转换）以乘法的方式估算季节性。