এই এসিফ এবং প্যাকফ প্লটের কীভাবে ব্যাখ্যা করবেন

Question

নীচে একটি মাসিক ডেটা সিরিজের ACF এবং প্যাকফ প্লট রয়েছে। দ্বিতীয় প্লটটি ci.type = 'মা' সহ acf:

এসিএফ প্লটে উচ্চ মানের মূল্যবোধের অধ্যবসায় সম্ভবত দীর্ঘমেয়াদী ইতিবাচক প্রবণতা উপস্থাপন করে। প্রশ্নটি যদি এটি seasonতু পরিবর্তনের প্রতিনিধিত্ব করে?

আমি এই বিষয়টিতে বিভিন্ন সাইট দেখার চেষ্টা করেছি তবে আমি নিশ্চিত নই যে এই প্লটগুলি মৌসুমতা দেখায় কিনা।

এসিএফ এবং পিএসিএফ প্লটের বিশ্লেষণ

ACF- এবং PACF- প্লটগুলির ব্যাখ্যা করতে সহায়তা করুন inter

এসিএফের নিম্নলিখিত চিত্রটি বুঝতে সহায়তা করুন

স্বতঃসিদ্ধকরণ এবং আংশিক স্বতঃসংশ্লিষ্ট ব্যাখ্যা

সম্পাদনা করুন: 60 বছর পর্যন্ত পিছনের গ্রাফটি নিম্নলিখিত:

নীচে পৃথক (my_series) এর প্লট রয়েছে:

এবং পিছনে 60 পর্যন্ত:

সম্পাদনা: এই ডেটাটি থেকে: আত্মহত্যার গণনার ডেটাতে মৌসুমী প্রভাবগুলির পরীক্ষা করার জন্য এটি কি উপযুক্ত পদ্ধতি? এখানে অবদানকারীরা মূল বা পৃথক সিরিজের ACF এবং প্যাকফ প্লটটিকে উল্লেখ করার মতো বিবেচনা করেনি (তাই এটি অবশ্যই গুরুত্বপূর্ণ হবে না)। দু'এক জায়গায় কেবলমাত্র এসিএফ / প্যাকফ প্লটকে রেসিডুয়াল উল্লেখ করা হয়েছিল।

Comments

আপনি কি আপনার ডেটা (উদাহরণস্বরূপ, একটি মৌলিক চক্রান্ত) সম্পর্কে কিছু যুক্ত করতে পারেন? আপনি কি কিছু চেষ্টা করেছেন stl()?

— গুং - মনিকা পুনরায়

আমি কীভাবে এসিফ এবং প্যাকফ প্লটগুলি থেকে মৌসুম নির্ধারণ করবেন তা বোঝার চেষ্টা করছি। এর জন্য কি বেসিক প্লট বা স্টল দরকার? আমরা কি এই প্লটগুলি থেকে কিছু নির্ধারণ করতে পারি না?

— rnso

এটা অনেক ভাল হবে. স্পষ্টতার জন্য, আপনার প্রশ্নটি আসলে ডাব্লু / আপনার ডেটা যা চলছে সে সম্পর্কে নয়, তবে এই প্লটগুলি থেকে বিচ্ছিন্নতার মধ্যে কী বোঝা যায় সে সম্পর্কে এটি সঠিক?

— গুং - মনিকা পুনরায়

হ্যাঁ. আমার প্রায়শই আমার ডেটাতে seasonতু উপস্থিত রয়েছে কিনা তা নির্ধারণ করতে হবে তাই আমি বুঝতে চাই যে এসিফ এবং প্যাকফ প্লট থেকে আমি কী তথ্য পেতে পারি। Stl ফাংশনের প্লটগুলি বোঝা যুক্তিসঙ্গতভাবে সহজ তবে এই প্লটগুলি নয়।

— rnso

আপনার ডেটা সত্যিই কিছু seasonতুতে আছে। @ Javlacalle এ আমার প্রতিক্রিয়া দেখুন দয়া করে।

— আইরিশস্ট্যাট

Answer 1

যখন অনুমান করা অরিমা মডেলটিতে ডেটা পিগনহোল করার চেষ্টা করার জন্য প্লটগুলি অনুসন্ধান করা ভাল হয় তখন 1: যখন আরিমা মডেলটি থাকে তখন 1: কোনও আউটলিয়ার / ডাল / স্তরের স্থানান্তর, স্থানীয় সময়ের প্রবণতা এবং ডেটা এন্ডে কোনও মৌসুমী নির্বাহী ডাল নেই 2) সময়ের সাথে ধ্রুবক পরামিতি এবং 3) যখন অরিমা মডেল থেকে ত্রুটির পরিবর্তনের সাথে সময়ের সাথে ধ্রুবক বৈচিত্র থাকে। এই তিনটি জিনিস কখন রাখবে .... বেশিরভাগ পাঠ্যপুস্তকের ডেটা সেটগুলিতে অরিমা মডেলিংয়ের স্বাচ্ছন্দ্য উপস্থাপন করা হয়। 3 টির মধ্যে 1 বা ততোধিক লোক কখন হোল্ড করে না .... আমি যা দেখেছি তার প্রতিটি আসল ওয়ার্ল্ড ডেটা সেট করে। আপনার প্রশ্নের সহজ উত্তরের জন্য আপনার প্লটগুলিতে গৌণ বর্ণনামূলক তথ্য না হয়ে মূল তথ্যগুলির (dataতিহাসিক তথ্য) অ্যাক্সেসের প্রয়োজন। তবে এটাই আমার মতামত!

ডেটা প্রাপ্তির পরে সম্পাদনা করুন:

আমি একটি গ্রীক ছুটিতে ছিলাম (টাইম সিরিজের বিশ্লেষণ ব্যতীত অন্য কিছু করছিলাম) এবং এই পোস্টের সাথে মিলে SUICIDE ডেটা বিশ্লেষণ করতে পারিনি। এটি এখন উপযুক্ত এবং সঠিক যে আমি মাল্টি-স্টেজ মডেল শনাক্তকরণ কৌশলগুলি এবং "প্রমাণটি পুডিংয়ের মধ্যে রয়েছে" হিসাবে সহজ সম্পর্ক সম্পর্কিত প্লটগুলির সহজ ভিজ্যুয়াল বিশ্লেষণের ব্যর্থতা সম্পর্কে উদাহরণ হিসাবে আমার মন্তব্যগুলি অনুসরণ / প্রমাণ করার জন্য একটি বিশ্লেষণ জমা দিচ্ছি submit

আসল তথ্যগুলির এসিএফ এখানে আসল সিরিজের পিএসিএফ । অটোবক্স http://www.autobox.com/cms/ আমি যে সফ্টওয়্যারটির একটি টুকরোগুলি উন্নত করতে সাহায্য করেছি তা একটি প্রারম্ভিক মডেল সনাক্ত করতে হিউরিস্টিক্স ব্যবহার করে এই ক্ষেত্রে প্রাথমিকভাবে চিহ্নিত মডেলটি পাওয়া গেছে । এই মডেলটির অবশিষ্টাংশগুলির ডায়াগনস্টিক চেকিংয়ে লেভেল শিফট, ডাল এবং একটি মৌসুমী নাড়ি ব্যবহার করে কিছু মডেল বৃদ্ধির পরামর্শ দেওয়া হয়েছে যে লেভেল শিফটটি 164 কাল বা তার কাছাকাছি সনাক্ত হয়েছে যা ফরেস্টকাস্টারের 176 সময়কালের পূর্বের সিদ্ধান্তে প্রায় সমান। সমস্ত রাস্তা রোমের দিকে নিয়ে যায় না তবে কিছু আপনাকে কাছে পেতে পারে!। প্যারামিটার ধ্রুবক পরীক্ষার জন্য সময়ের সাথে সাথে প্যারামিটার পরিবর্তনগুলি প্রত্যাখ্যান করা হয়েছে। ত্রুটি বৈকল্পের মধ্যে নির্বিচারে পরিবর্তনগুলির জন্য অনুসন্ধান করা এই সিদ্ধান্তে পৌঁছেছে যে ত্রুটি বৈকল্পের মধ্যে কোনও নির্বিচারক পরিবর্তন সনাক্ত করা যায় নি। । পাওয়ার ট্রান্সফর্মের প্রয়োজনীয়তার জন্য বক্স-কক্স পরীক্ষাটি এই সিদ্ধান্তে ইতিবাচক ছিল যে লোগারিথমিক ট্রান্সফর্মটি প্রয়োজনীয় ছিল। । চূড়ান্ত মডেল এখানে । চূড়ান্ত মডেলটির অবশিষ্টাংশগুলি কোনও স্বতঃসংশ্লিষ্টতা থেকে মুক্ত বলে মনে হয় । চূড়ান্ত মডেলের অবশিষ্টাংশের প্লট কোনও গাউসিয়ান লঙ্ঘন মুক্ত বলে মনে হয় । প্রকৃত / ফিট / পূর্বাভাসের প্লটটি এখানে পূর্বাভাসের সাথে রয়েছে

Comments

আপনার উত্তরের জন্য ধন্যবাদ. বাস্তব অনুগ্রহ সম্পর্কিত ডেটাগুলিতে এই অনুমানগুলি কি এত গুরুত্বপূর্ণ এবং সর্বদা এতটাই ছড়িয়ে পড়ে যে এসিফ এবং প্যাকফ প্লটগুলি প্রায় বিচ্ছিন্নভাবে ব্যাখ্যা করা যায় না?

— rnso

আমি কখনই বলি না তবে আমি যে অনুমানগুলি রেখেছি তা লঙ্ঘন করলে ভিজ্যুয়াল সনাক্তকরণ প্রক্রিয়াটিকে মারাত্মকভাবে জটিল করে তুলবে। আপনার ডেটা পরিষ্কারভাবে সেট করা (আমার পুরানো চোখের কাছে) এর একটি উদাহরণ। প্রাথমিক মডেল সনাক্তকরণ, অবশিষ্টাংশ নির্ণয়ের উপর ভিত্তি করে অনুমান করা এবং পুনরায় সনাক্তকরণ একটি মাল্টি-স্টেজ প্রক্রিয়া যা একটি নয় এবং তুচ্ছ মামলায় এক্সেসপটি করা।

— আইরিশস্ট্যাট

আমার বন্ধুকে অনুসরণ করে stats.stackexchange.com/users/48766/javlacalle : পুনরুত্পাদন করার জন্য : ডাল এবং স্তর পরিবর্তন এবং মৌসুমী ডাল এবং স্থানীয় সময়ের প্রবণতা এবং ত্রুটির পরিবর্তনের স্থায়িত্বের জন্য পরীক্ষা করাও প্রয়োজনীয়।

— আইরিশস্ট্যাট

(+1) তথ্য বিশ্লেষণ। তবে আসল প্রশ্নটি কী? ডেটাতে মৌসুমতা চিহ্নিত করা যায়? আপনার প্রদর্শিত আউটপুট থেকে এটি অনুমান করা যেতে পারে, তবে আমি এটি বের করতে পারি না।

— জাভালাকলে

মৌসুমতা এআরআইএমএ মডেলটিতে এআর (12) পদে এবং 98 (2003/2) সময়কালে শুরু হওয়া মৌসুমী নাড়িতে উপস্থিত হয়

— আইরিশস্ট্যাট

Answer 2

এসিএফ এবং পিএসিএফ এর ব্যাখ্যা

স্বতঃসংশোধনের ক্রিয়াটির ধীরে ধীরে ক্ষয়টি ডেটা দীর্ঘ-স্মৃতি প্রক্রিয়া অনুসরণ করার পরামর্শ দেয়। শকগুলির সময়কাল তুলনামূলকভাবে অবিচল থাকে এবং বেশ কয়েকটি পর্যবেক্ষণের আগে ডেটাগুলিকে প্রভাবিত করে। এটি সম্ভবত ডেটাগুলিতে একটি মসৃণ ট্রেন্ডিং প্যাটার্ন দ্বারা প্রতিফলিত হয়।

আদেশের এসিএফ এবং পিএসিএফ 12 তাত্পর্যপূর্ণ আত্মবিশ্বাস ব্যান্ডের বাইরে। যাইহোক, এটি অগত্যা একটি শনাক্তযোগ্য মৌসুমী প্যাটার্ন উপস্থিতি বোঝায় না। অন্যান্য মৌসুমী আদেশগুলির এসিএফ এবং পিএসিএফ (24, 36, 48, 60) আত্মবিশ্বাস ব্যান্ডের মধ্যে রয়েছে। গ্রাফিক থেকে, সিদ্ধান্ত নেওয়া সম্ভব নয় যে AC 12 এবং পিএসিএফ 12 আদেশের তাত্পর্য মৌসুমতা বা ট্রানজিটরি ওঠানামার কারণে।

পূর্বে উল্লিখিত এসিএফের অধ্যবসায় থেকে বোঝা যায় যে তথ্য স্থানিক রেন্ডার করার জন্য প্রথম পার্থক্যগুলির প্রয়োজন হতে পারে। তবে, পার্থক্যযুক্ত সিরিজের এসিএফ / পিএসিএফ সন্দেহজনক বলে মনে হচ্ছে, নেতিবাচক পারস্পরিক সম্পর্কটি পৃথক পৃথক ফিল্টার দ্বারা প্ররোচিত হতে পারে এবং এটি সম্ভবত যথাযথ নয়। কিছু বিবরণের জন্য এই পোস্টটি দেখুন ।

মৌসুমী উপস্থিত থাকলে নির্ধারণ করুন

এসিএফ এবং পিএসিএফ বিশ্লেষণ অন্যান্য সরঞ্জামের সাথে পরিপূরক হওয়া উচিত, উদাহরণস্বরূপ:

• স্পেকট্রাম (ফ্রিকোয়েন্সি ডোমেনে এসিএফ-এর দৃষ্টিভঙ্গি), চক্রের পর্যায়ক্রমিকতা প্রকাশ করতে পারে যা ডেটাতে বেশিরভাগ পরিবর্তনশীলতার ব্যাখ্যা দেয়।
• বেসিক স্ট্রাকচারাল টাইম সিরিজের মডেলটি ফিট করুন এবং অন্যান্য প্যারামিটারগুলির তুলনায় the তুগত উপাদানটির বৈকল্পিকতা শূন্যের কাছাকাছি কিনা তা পরীক্ষা করুন (আর ফাংশন stats::StructTSএবং প্যাকেজ এসটিএসএম এ )।
• মৌসুমী ডামি, মৌসুমী চক্র বা এক্স -12-এ বর্ণিত এবং প্রয়োগিতগুলির উপর ভিত্তি করে মৌসুমীতার জন্য পরীক্ষাগুলি ।
• আইরিশস্ট্যাট দ্বারা উল্লিখিত ডালের উপস্থিতি এবং স্তরের শিফ্টগুলি পরীক্ষা করাও প্রয়োজনীয় কারণ তারা পূর্বের পদ্ধতিগুলি থেকে সিদ্ধান্তগুলি বিকৃত করতে পারে (আর এর মধ্যে প্যাকেজটি সসট্লায়ার্স এই লক্ষ্যে কার্যকর হতে পারে)।

Comments

আমি 60 বছর অবধি প্লট যুক্ত করেছি "" ডিফারেন্ট সিরিজ "পাওয়ার জন্য আর কমান্ডটি কী হবে? আমি ডিফ (মাই_সেসরিজ) এর জন্য প্লট যুক্ত করব।

— rnso

@ এমএসও আমি আমার আগের উত্তরে বড় পরিবর্তনগুলি যুক্ত করেছি। পার্থক্যযুক্ত সিরিজের কমান্ডটি হ'ল ফাংশন diffযা আপনি ব্যবহার করেছেন।

— javlacalle

জাভাক্যাল্লে - দুটি খুব অনুরূপ অনুচ্ছেদ ছিল এবং @ আরএনএসো একটি অপসারণ করে সাহায্যের চেষ্টা করেছিল। আপনি যেটি প্রতিস্থাপন করতে চেয়েছিলেন সেটিই আমি সরিয়ে দিয়েছি। আপনি দয়া করে পরীক্ষা করতে পারেন যে সঠিক অনুচ্ছেদটি সরানো হয়েছিল?

— গ্লেন_বি -রিনস্টেট মনিকা

@ Glen_b সম্পাদনার জন্য ধন্যবাদ, আমি কিছু পরিবর্তন করেছি।

— জাভালাকলে

@ জাভালাক্যাল, @ আইরিশস্ট্যাট: দয়া করে আমার প্রশ্নে মূল তথ্যটি সম্পাদনাটি দেখুন।

— rnso