Teste de sazonalidade de séries temporais

Quais são os testes de sazonalidade mais simples para séries temporais?

Sendo mais específico, quero testar se specific time series the seasonal componenté significativo.

Quais são os pacotes recomendados no Python / R?

— Michael D
fonte

Antes de testar a sazonalidade, você deve refletir qual o tipo de sazonalidade que possui. Observe que existem muitos tipos diferentes de sazonalidade:

Sazonalidade aditiva vs. sazonal multiplicativa
Sazonal vs. Várias sazonalidades
Sazonalidade com número uniforme versus desigual de períodos. Cada ano tem doze meses, mas 52.1429 semanas.
Tendência versus sazonalidade: um padrão de sazonalidade sempre aparece no mesmo período, mas uma tendência pode aparecer um pouco mais tarde ou mais cedo e não exatamente a cada 5 anos. Um exemplo de tendência são os ciclos de negócios.

Um dos métodos mais comuns para detectar a sazonalidade é decompor as séries temporais em vários componentes.

No R, você pode fazer isso com o decompose()comando do pacote de estatísticas pré-instalado ou com o stl()comando do pacote de previsão.

O código a seguir foi retirado de Um pequeno livro de R para séries temporais

births <- scan("http://robjhyndman.com/tsdldata/data/nybirths.dat")
birthstimeseries <- ts(births, frequency = 12, start = c(1946,1))
birthstimeseriescomponents <- decompose(birthstimeseries)
plot(birthstimeseriescomponents)

Você pode verificar os componentes únicos com

birthstimeseriescomponents$seasonal
birthstimeseriescomponents$random
birthstimeseriescomponents$trend

Um outro método é incluir manequins sazonais e verificar se eles têm valores p significativos quando você calcula a regressão. Se os meses únicos tiverem coeficientes significativos, sua série temporal mensal é sazonal.

Um outro método para detectar a sazonalidade é plotar os dados em si ou plotar o ACF (função de autocorrelação). No nosso caso, você pode perceber facilmente que há sazonalidade.

E por último, mas não menos importante, existem alguns testes de hipótese "formais" para detectar a sazonalidade, como o Teste T de Student e o Teste de Classificação Assinada de Wilcoxon.

— Ferdi
fonte

no meu caso, eu não sei por mim mesmo (aditivo x multiplicativo, sazonalidade única versus sazonalidade sazonalidade com número uniforme versus desigual de períodos), tenho muitas séries temporais e gostaria de ter um número muito próximo possível. Para começar, gostaria de começar com uma sazonalidade aditiva e única, mesmo + nem mesmo. @Ferdi

— Michael D

talvez você deva pensar em seus dados: são dados diários, semanais, mensais ou trimestrais? existem choques ou irregularidades? o que você observa quando visualiza?

— Ferdi 16/05

algumas das séries temporais têm semanalmente, diariamente, a cada hora. E alguns outros não têm. Para o primeiro passo, quero detectar se o componente sazonal está cheio. Para o seu segundo exemplo, ele tem Lag 3 e 12. Mas, de alguma forma, a olho nu, não encontro nenhuma sazonalidade no lag 3. É melhor procurar o pacf ? Se eu olhar em ACF ou PACF como eu distinguir modelo AR (p) (o que não é sazonal) versus um modelo sazonal @Ferdi?

— Michael D

Não tenho conhecimento de qualquer algoritmo pode cegamente executado em qualquer tipo de série temporal para testar a sazonalidade

— Ferdi

Eu sou ... A AUTOBOX pesquisa automaticamente a estrutura estocástica, ou seja, a estrutura ARIMA e a estrutura determinística (efeitos fixos como dia da semana, mês do ano, dia do mês, dia do mês, trimestre do ano). etc) ao lidar com complicações como mudanças de nível / etapa, tendências da hora local, pulsos, alterações nos parâmetros e variação de erros ao longo do tempo. Existe uma versão R. É um resultado da minha dissertação de doutorado para automatizar a identificação de modelos de séries temporais em configurações univariadas e multivariadas.

— IrishStat

Meus pensamentos são verificar a amplitude do:

Função de autocorrelação ACF
Função de autocorrelação parcial do PACF
Coeficientes de Fourier

(Os coeficientes de Fourier estão relacionados ao ACF pelo teorema de Wiener-Khinchin .)

— Michael D
fonte