Dalam sebuah pertanyaan yang saya ajukan baru-baru ini , saya diberi tahu bahwa itu adalah "tidak-tidak" yang besar untuk diekstrapolasi dengan loess. Tapi, dalam artikel terbaru Nate Silver di FiveThirtyEight.com ia membahas menggunakan loess untuk membuat prediksi pemilu.
Dia sedang mendiskusikan spesifik ramalan agresif versus konservatif dengan loess tapi saya ingin tahu validitas membuat prediksi masa depan dengan loess?
Saya juga tertarik dengan diskusi ini dan apa alternatif lain yang mungkin memiliki manfaat serupa dengan loess.
Jawaban:
Masalah dengan lowess atau loess adalah ia menggunakan interpolasi polinomial. Sudah diketahui secara umum dalam meramalkan bahwa polinomial memiliki perilaku tidak menentu pada ekor. Ketika melakukan interpolasi, polinomial tingkat ke tiga memberikan pemodelan tren yang sangat baik dan fleksibel sementara mengekstrapolasi di luar kisaran data yang diamati, mereka meledak. Seandainya Anda mengamati data nanti dalam seri waktu, Anda pasti perlu menyertakan breakpoint lain dalam splines untuk mendapatkan kecocokan yang baik.
Model peramalan, dieksplorasi dengan baik di tempat lain dalam literatur. Proses penyaringan seperti filter Kalman dan filter partikel memberikan perkiraan yang sangat baik. Pada dasarnya, model prakiraan yang baik adalah apa saja yang didasarkan pada rantai Markov di mana waktu tidak diperlakukan sebagai parameter dalam model, tetapi keadaan model sebelumnya digunakan untuk menginformasikan prakiraan.
sumber