解释时间序列图的主要结果

请完成以下步骤来解释时间序列图。

步骤 1:查找异常值和突变

使用过程知识可确定异常观测值或突变是指示过程中的错误还是实际变化。

异常值

查找异常观测值(又称为异常值)。异常值可能会对时间序列模型产生不成比例的效应,而且会生成令人误解的结果。请尝试确定产生任何异常值的原因并更正任何数据输入错误或测量误差。请考虑删除与异常的单次事件(又称为特殊原因)相关联的数据值。

下面的时间序列图显示由数据输入错误导致的异常值。技术人员在工作表中意外输入了值 4(而非 40)。

突变

查找序列中的突变或者趋势发生的突变。请尝试确定类似变化的原因。

例如,下面的时间序列图显示在 15 个月之后过程的成本发生显著变化。您应当调查这种变化的原因。

步骤 3:查找季节性模式或循环运动

季节性模式是数据值中在同一个时间段内定期反复的上升和下降。例如,汽车零件商店的订单量在每周一很低,之后增加,到周五到达峰值。季节性模式始终具有固定的已知时间段。与之相反,循环运动是指不定期反复的上升和下降数据值。通常,循环运动比季节性模式耗时长且可变性大。

可以使用时间序列分析来对模式建模并生成预测。有关要使用哪个分析的更多信息,请转到应当使用哪些时间序列分析?

季节性模式
这些数据显示季节性模式。该模式每 12 个月重复一次。
循环运动
这些数据显示循环运动。循环运动不定期重复且不具有相同的形状。
随机变异
这些数据显示随机变异。不存在模式或循环。

步骤 4:评估季节性变化是加法变化还是乘法变化

如果季节性变化的量值是固定的,则季节性变化是加法变化。如果季节性变化的量值随数据值增大而增大,则季节性变化是乘法变化。额外的变异性可能会使乘法季节性变化更难以准确预测。

如果数据中的模式不很明显,并且在对数据建模时很难在加法过程和乘法过程之间进行选择,则可以尝试两种模型,然后选择准确度度量较小的模型。有关更多信息,请转到应当使用哪些时间序列分析?

加法变化
在这个加法季节性变化示例中,数据值倾向于随时间推移而增加,但是季节性变化的量值会保持不变。
乘法变化
在这个乘法季节性变化示例中,季节性变化的量值在一段时间内会随着数据值增加而增加。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策