理解 R 中的分解图答案

【问题标题】：Making sense of the decomposition plot in R理解 R 中的分解图
【发布时间】：2020-03-03 12:24:35
【问题描述】：

我试图了解分解函数和绘图实际上表明了什么。我以以下为例：

library(TTR)
t <- ts(co2, frequency=12, start=1, deltat=1/12)
td <- decompose(t)
plot(td)

我不太确定季节性成分和随机成分实际上告诉我们什么。

具体来说，为什么季节性图表一直在 -3 和 + 2 之间波动。它不应该与观察到的系列有类似的波动吗？ -3 和 +2 之间的范围实际上是什么意思？

此外，随机分量实际上说的是什么？那些是残差，季节性+随机=观察到？？？

任何帮助将不胜感激，因为我现在很困惑。分解图如下：

【问题讨论】：

【解决方案1】：

你可以自己回答这个问题，通过使用$访问组件

library(TTR)
t <- ts(co2, frequency=12, start=1, deltat=1/12)
td <- decompose(t)

以下是单独的季节性组件：

plot(td$seasonal)

现在添加趋势：

plot(td$seasonal + td$trend)

最后是随机分量：

plot(td$seasonal + td$trend + td$random)

并将其与原始数据进行比较：

plot(td$x)

因此，时间序列被分解为一个季节性成分（根据定义），该成分无变化地重复，一个季节性成分围绕其变化的趋势线，以及一个类似于残差的“随机”成分。

^{由reprex package (v0.3.0) 于 2020 年 3 月 3 日创建}

【讨论】：

谢谢艾伦。你会说随机组件提供有关用户行为的任何信息吗？例如，您能否将任何大的峰值归因于可能发生的特定事件？这是一个一般性问题，并不特定于该数据集。谢谢
@XristosSolwmou 这取决于偏差的性质。趋势成分可能会发现某些类型的偏差，但不会出现瞬时峰值，并且可能是由于其他解释性因素造成的。
谢谢@Allan。你会说值得研究的大尖峰（大偏差）吗？因此，如果某些事件与大峰值发生在同一日期，我们能否得出结论是这些事件的结果？同样，我指的是具有大偏差的正常峰值
@XristodSolwmou 值得探索，但无法根据给出的信息说。您可以在统计堆栈交换站点上展示数据，在那里您可能会得到更好的答案。