Вот пример, чтобы обсудить особенности против:
> plot(stl(nottem, "per"))
Таким образом, на верхней панели мы можем рассмотреть планку как 1 единицу вариации. Столбец на сезонной панели только немного больше, чем на панели данных, что указывает на то, что сезонный сигнал велик по отношению к изменению данных. Другими словами, если мы сократили сезонную панель так, чтобы размер окна стал таким же, как на панели данных, диапазон изменения на сокращенной сезонной панели был бы аналогичен, но немного меньше, чем на панели данных.
Теперь рассмотрим панель трендов; серый прямоугольник теперь намного больше, чем любой из данных на панели данных или сезонных данных, что указывает на то, что изменение, связанное с трендом, намного меньше, чем сезонный компонент, и, следовательно, лишь малая часть изменений в ряду данных. Изменение, приписываемое тренду, значительно меньше, чем стохастическая составляющая (остатки). Таким образом, мы можем сделать вывод, что эти данные не демонстрируют тенденцию.
Теперь посмотрим на другой пример:
> plot(stl(co2, "per"))
который дает
Если мы посмотрим на относительные размеры столбцов на этом графике, отметим, что тренд доминирует в ряду данных, и, следовательно, серые столбцы имеют одинаковый размер. Следующим по важности является изменение в сезонном масштабе, хотя изменение в этом масштабе является гораздо меньшей составляющей изменения, представленного в исходных данных. Остатки (остаток) представляют только небольшие стохастические колебания, поскольку серая полоса очень велика по сравнению с другими панелями.
Таким образом, общая идея заключается в том, что если вы масштабируете все панели так, чтобы все серые столбцы были одинакового размера, вы могли бы определить относительную величину вариаций в каждом из компонентов и размер вариаций в исходных данных. они содержали. Но поскольку график отображает каждый компонент в своем собственном масштабе, нам нужны столбцы, чтобы дать нам относительный масштаб для сравнения.
Это помогает любому?