时间序列预测季节类型

Question

众所周知，有两种季节性类型，相加型和乘法型，但我很难区分它们。据我所知，在乘性季节性中，季节性的大小将随着趋势的增长而增加。例如，随着上升趋势，一个季节的规模会更大。但是，如果季节性的程度增加了，但趋势保持不变，那该怎么办？换句话说，一个季节的最小值似乎总是在一条水平线上，但最大值却在不断增加。这是什么季节？我可以用什么模型来描述这个数据系列？

编辑：

这是在预测、原则和实践中给出的公式。据我所读，在乘数季节性的情况下，趋势和水平似乎并不是相乘的。在状态模型库中，趋势和季节性都可以被选择为乘性或加性。有谁能更清楚地说明我们在这里要讨论的是哪种加性模式？

Answer 1

每个时间序列可以被分解为至少三个元素：

• 趋势
• 季节成分
• 杂音

加性模型可以解释为：

y = Trend + Seasonal + Noise

乘数构成部分为：

y = Trend * Seasonal * Noise

主要的区别是，在加性模型的情况下，所有三个分量都独立地影响着因变量。在乘法模型的情况下，每个组件的影响取决于其他组件。

“正确”模式的选择取决于眼前的问题。如果假设季节效应与趋势水平无关，则使用加性模型。如果你认为趋势的价值会影响季节效应的大小，那么就选择乘数效应。

希望这能帮上忙，否则让我知道。