মাল্টিভিয়ারেট জৈবিক সময় সিরিজ: ভিএআর এবং seasonতুসত্তা


15

জৈবিক এবং পরিবেশগত পরিবর্তনশীল (প্লাস সম্ভবত কিছু বহির্মুখী ভেরিয়েবল) সহ ইন্টারঅ্যাক্টিং সহ আমার বহুবিধ সময় সিরিজ ডেটাসেট রয়েছে। মৌসুমীতার পাশাপাশি ডেটাগুলিতে সুস্পষ্ট দীর্ঘমেয়াদী প্রবণতা নেই। আমার উদ্দেশ্য হ'ল কোন ভেরিয়েবলগুলি একে অপরের সাথে সম্পর্কিত। পূর্বাভাস সত্যিই সন্ধান করা হয় না।

সময়-সিরিজ বিশ্লেষণে নতুন হয়ে আমি বেশ কয়েকটি তথ্যসূত্র পড়েছি। আমি যতদূর বুঝতে পেরেছি, ভেক্টর অটোরেগ্রেসিভ (ভিএআর) মডেলটি যথাযথ হবে তবে আমি মৌসুমীতা এবং বেশিরভাগ উদাহরণের সাথে আমি economতুবদ্ধতা ছাড়াই সম্পর্কিত অর্থনীতি ক্ষেত্রের (প্রায়শই সময় ধারাবাহিক বিশ্লেষণ সহ…) পেয়েছি।

আমার মৌসুমী ডেটা দিয়ে আমার কী করা উচিত? আমি সেগুলিকে ডিসসোনালাইজিং হিসাবে বিবেচনা করেছি - উদাহরণস্বরূপ আর এ, আমি একটি স্থিতিশীল মনে হয় এমন সিগন্যাল পাওয়ার decomposeজন্য $trend + $randমানগুলি ব্যবহার করব এবং তারপরে মান হিসাবে বিবেচিত হব (প্রতি রায় হিসাবে acf)। ভিএআর মডেলের ফলাফলগুলি আমাকে বিভ্রান্ত করছে (1-লেগ মডেলটি নির্বাচিত হয়েছিল যখন আমি স্বজ্ঞাতভাবে আরও বেশি আশা করতাম, এবং কেবলমাত্র স্বাবলম্বীকরণের সহগ - - এবং অন্যান্য ল্যাগড ভেরিয়েবলগুলির সাথে রিগ্রেশনের জন্য নয় - তা উল্লেখযোগ্য)। আমি কি কোনও ভুল করছি, বা আমার এই সিদ্ধান্তটি নেওয়া উচিত যে আমার ভেরিয়েবলগুলি (রৈখিকভাবে) সম্পর্কিত নয় / আমার মডেলটি ভাল নয় (সহায়ক প্রশ্ন: ভিআর-র সমান কোনও লিনিয়ার নেই?)।

[বিকল্পভাবে, আমি পড়লাম আমি সম্ভবত ডামি মৌসুমী ভেরিয়েবলগুলি ব্যবহার করতে পারি, যদিও আমি কীভাবে এটি বাস্তবায়ন করতে পারি ঠিক তা বুঝতে পারি না]।

ধাপে ধাপে পরামর্শগুলি খুব প্রশংসিত হবে, যেহেতু অভিজ্ঞ ব্যবহারকারীদের জন্য বিশদটি আমার পক্ষে তথ্যমূলক হতে পারে (এবং আর কোড স্নিপেটগুলি বা কংক্রিটের উদাহরণগুলির জন্য লিঙ্কগুলি অবশ্যই স্বাগত)।


2
মৌসুমীতা সম্পর্কে আপনি কী ভাবেন তার উপর অনেক কিছুই নির্ভর করে। সাহিত্যের আমার পঠনপাঠ্য ইঙ্গিত দেয় যে অর্থনীতিবিদরা প্রায়শই seasonতুকে একটি উদ্বেগজনক উপদ্রব হিসাবে বিবেচনা করেন যখন পরিবেশ বিজ্ঞানীরা প্রায়শই এটি সম্পর্কে অনেক বেশি ইতিবাচক বোধ করেন। অর্থনীতির ক্ষেত্রে যেমন ডামি ভেরিয়েবলগুলি ব্যবহৃত হয়, তেমনিভাবে, তথ্যটি ত্রৈমাসিক বা মাসিক হয় এবং ছুটির প্রভাবগুলি (শব্দের প্রতিটি অর্থে) মাঝে মাঝে স্পাইকি থাকে; বিজ্ঞ পরিবেশগত ডেটা আপনি মাঝে মাঝে কিছু ফুরিয়ার (সাইনোসয়েডাল) পদগুলির সাথে ভাল করতে পারেন এবং ডমিগুলি গ্রহণ করার প্রয়োজন নেই।
নিক কক্স

2
ধন্যবাদ, @ নিক কক্স ফুরিয়ার শর্তাবলী আমার বিশেষ ক্ষেত্রে কোনও সমাধান হিসাবে দেখা যাচ্ছে না, যেখানে ভেরিয়েবলগুলি সাইনোসয়েডাল সিগন্যালের চেয়ে আরও জটিল মৌসুমী প্যাটার্ন দেখায় (যদি না আমি বেশ কয়েকটি সুরেলা ব্যবহার করি তবে এটি এখানে এতটা উদ্দেশ্য নয়)। এবং seasonতুসত্তা স্পষ্টতই আমার ক্ষেত্রে একটি উদ্বেগজনক উপদ্রব শব্দ নয়, আমি অন্যান্য ভেরিয়েবলগুলির একটি ক্রিয়াকলাপ হিসাবে seasonতুবিত্তের ছাড়াই (যেমন, দীর্ঘমেয়াদী প্রবণতা) উপাত্তের অতিরিক্ত পরিবর্তনশীলতা ব্যাখ্যা করতে আমাকে আরও কিছু সাহায্য করার জন্য খুঁজছিলাম।
ztl

4
মাল্টিভাইয়ারেট এআরএমএ মডেল সম্পর্কে কী? এটি ভিএআর সমান, তবে আমি সঠিকভাবে বুঝতে পারলে ভেরিয়েবলের মধ্যে আরও গতিশীল যোগাযোগের অনুমতি দেয়। অন্য কেউ আমার সন্দেহকে নিশ্চিত / প্রত্যাখ্যান করতে সক্ষম হতে পারে।
rbatt

উত্তর:


1

আমি জানি এই প্রশ্নটি বেশ পুরানো তবে এটি উত্তরহীন থেকে গেল। সম্ভবত মূল প্রশ্নটি কীভাবে ডেটাগুলিতে মৌসুমী চক্রটি সরিয়ে ফেলা যায় তা নয় তবে এটি এরই একটি অংশ, তাই আমি এটি দিয়ে চেষ্টা করব: একটি ডেটা সেট থেকে মৌসুমতা অপসারণ করার জন্য সাধারণ মাসিক-সমষ্টিগত গড় থেকে শুরু করে বিভিন্ন পদ্ধতি রয়েছে are নেল্ডার-মিডের মতো নন-লিনিয়ার ফিটিং পদ্ধতির সাথে সাইনোসয়েডাল (বা অন্য কোনও উপযুক্ত সুরেলা) ফাংশন ফিটিং করা।

সবচেয়ে সহজ উপায় হ'ল গড় হিসাবে সমস্ত জানুয়ারি সম্পর্কিত তথ্য, সমস্ত ফেব্রুয়ারি, এবং এরকম, যেমন, আপনি একটি সংমিশ্রিত বার্ষিক চক্র তৈরি করেন, যা তখন আপনি আপনার ডেটা থেকে বিয়োগ করতে পারবেন

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.