问题描述
我正在使用R中的每周时间序列数据。我想检查我的数据的季节性和趋势，并且正在使用R中的stl()函数。这是我的数据。
x <- c(1229.65,1273.65,1219.15,1164.65,1292.65,1304.65,1372.65,1361.65,1240.65,1281.65,1248.65,997.65,1237.65,1265.65,1338.65,1322.65,1039.65,1195.65,1251.65,1100.15,948.65,1023.65,986.65,999.65,963.65,996.65,1202.65,1221.65,1303.65,1186.65,1327.65,1368.65,1760.65,1370.65,1286.65,1290.65,1325.65,1332.65,1493.65,1448.65,1466.65,1324.65,1306.65,1319.65,1277.65,1510.5,1684.5,1658.5,1528.5,1279.5,1476.65,1408.65,1575.65,1506.65,1366.65,1417.65,1413.65,988.65,1275.65,1379.65,1376.65,1383.65,1191.65,1618.5,1901.5,1934.5,1830.5,1323.5,1282.65,1218.65,1302.65,1334.65,1483.65,1233.65,1316.65,1349.65,1289.65,1225.65,1364.65,1477.65,1482.65,1533.65,1467.65,1583.65,1308.65,1525.65,1596.65,1480.65,1713.65,1574.65,1847.5,1928.5,2160.65,1959.5,1436.5,1817.65,1951.65,1927.65,1898.65,2046.65,1838.65,1748.65,1568.65,1728.65,1796.65,1977.65,1957.65,1943.65,1997.65,1962.65,1766.65,1807.65,1735.65,1504.65,1365.65,1846.65,1510.65,1599.65,1433.65,1535.65,1647.65,1450.65,1676.65,1712.65,1694.65,1697.65,1789.65,2040.65,2460.65,2819.65,2974.65,3264.65,5819.65,8960.65,4926.65,4786.65,3921.65,3281.65,2982.65,2332.65,1234.65,1032.65,954.65)
我将这些数据转换为每周的时间序列。
ts.x <- ts(x,freq=365.25/7)
当我使用stl()分解它时，得到以下内容。
ts.stl.robF <- stl(ts.x,s.window = 365.25/7,t.window = 13,robust = F)
autoplot(ts.stl.robF)
当我使用robust=TRUE调用相同的函数时，得到以下内容。
ts.stl.robT <- stl(ts.x,robust = T)
autoplot(ts.stl.robT)
当robust=TRUE时，季节分量随每个周期增加。为什么会这样呢？我什么时候可以期待这种行为以及如何防止它发生？
编辑：我在以下链接的Cross Valid中发布了相同的问题。 https://stats.stackexchange.com/questions/484842/why-does-the-stl-function-in-r-identify-a-seasonal-component-that-increase-with
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）