STLdekomponering

STLdekomponering, eller STL-dekomposition, är en metod för att dela upp en tidsserie i tre komponenter: trend, säsong och rester. Den används för att analysera och förfina data som uppvisar säsongsvariationer som ändras över tiden. Modellen används vanligtvis i en additiv form y_t = T_t + S_t + R_t (eller i vissa fall en multiplikativ form y_t = T_t × S_t × R_t), där S_t antas vara periodisk med en given säsongslängd P.

STL står för Seasonal-Trend decomposition using Loess. Metoden använder Loess-smoothing, en lokal regressionsmetod, för att uppskatta säsongs- och trendkomponenterna. Den sällan jämnmodellerade säsongen estimeras genom återkommande, lokala uppskattningar och kan anpassa sig till förändringar i säsongsmönster över tiden. En robust version inför vikter som minskar påverkan av avvikande observationer, vilket gör metoden mindre känslig för outliers och felmätningar. STL kan tillåta både fasta och varierande säsonger över tidsperioden och är därför särskilt flexibel för praktiska datasätt där säsongen inte är strikt konstant.

Användningar av STLdekomponering omfattar säsongsjustering, trendanalys och förbättrad prognos av tidsserier inom ekonomi, miljövetenskap, energi och många andra fält. Metoden är väl etablerad i statistisk mjukvara och finns i olika implementationer som stödjer både additiva och multiplikativa modeller. Historiskt introducerades STL i början av 1990-talet av Cleveland, Cleveland, McRae och Terpenning och har sedan dess blivit en standardmetod för säsongsjustering där flexibilitet och robusthet är viktiga krav.