Setiap deret waktu harus dievaluasi secara terpisah dengan ide akhir pengumpulan yaitu mengelompokkan deret yang sama ke dalam kelompok atau bagian yang memiliki struktur yang sama / umum. Karena data deret waktu dapat diintervensi oleh struktur deterministik yang tidak diketahui pada waktu yang tidak ditentukan, seseorang disarankan untuk melakukan Deteksi Intervensi untuk menemukan di mana intervensi sebenarnya berpengaruh. Jika Anda tahu undang-undang mulai berlaku pada titik tertentu (de jure) ini mungkin sebenarnya (de facto) bukan tanggal ketika intervensi benar-benar terjadi. Sistem dapat merespons sebelum tanggal efek yang diketahui atau bahkan setelah tanggal karena ketidakpatuhan atau non-respons. Menentukan tanggal intervensi dapat menyebabkan Bias Spesifikasi Model. Saya menyarankan agar Anda google "Deteksi Intervensi" atau "Deteksi Outlier". Buku bagus tentang ini adalah karya Prof. Wei dari Temple University yang diterbitkan oleh Addison-Wessley. Saya percaya judulnya adalah "Analisis Rangkaian Waktu". Satu komentar lebih lanjut, Variabel Intervensi dapat muncul sebagai Pulsa atau Pergeseran Tingkat / Langkah atau Pulsa Musiman atau Tren Waktu Lokal.
Menanggapi memperluas diskusi tentang Tren Waktu Lokal:
Jika Anda memiliki seri yang menampilkan 1,2,3,4,5,7,9,11,13,15,16,17,18,19 ... ada perubahan tren pada periode 5 dan 10 Bagi saya pertanyaan utama dalam deret waktu adalah deteksi pergeseran level, misalnya 1,2,3,4,5,8,9,10, ... atau contoh lain dari pergeseran level 1,1,1,1,2 , 2,2,2, DAN / ATAU atau deteksi tren waktu istirahat. Sama seperti Pulse adalah perbedaan dari Langkah, Langkah adalah perbedaan dari Trend. Kami telah memperluas teori Deteksi Intervensi ke dimensi 4 i, e, Trend Point Change. Dalam hal keterbukaan, saya telah mampu mengimplementasikan skema Deteksi Intervensi tersebut bersama dengan ARIMA dan Model Fungsi Transfer. Saya adalah salah satu ahli statistik seri waktu senior yang telah berkolaborasi dalam pengembangan AUTOBOX yang menggabungkan fitur-fitur ini. Saya tidak mengetahui siapa pun yang telah memprogram inovasi menarik ini.
Local Time Trend
tampak seperti variabel intervensi? Saya kenal dengan tiga lainnya.