Eu estava lendo a versão on-line do Forecasting: princípios e práticas de Rob J Hyndman e George Athanasopoulos. Encontrei esta frase sobre a decomposição do STL e a transformação do BoxCox:
"Decomposições de alguma forma entre aditivo e multiplicativo podem ser obtidas usando uma transformação Box-Cox dos dados com 0 <λ <1. Um valor de λ = 0 corresponde à decomposição multiplicativa enquanto λ = 1 é equivalente a uma decomposição aditiva."
Minha pergunta é: por que apenas lambda nesse intervalo poderia ser uma opção válida? Por que o lambda não poderia ser igual a -0,5 ou 2?
time-series
data-transformation
amarchin
fonte
fonte
Respostas:
Você provavelmente quer ver quando (e por que) deve tomar o log de uma distribuição (de números)? que discute transformações de energia. Transformações indevidas ou incorretas, incluindo diferenças, devem ser cuidadosamente evitadas, pois geralmente são uma tentativa inadequada / mal concebida de lidar com anomalias não identificadas / mudanças de nível / tendências de tempo ou alterações nos parâmetros ou alterações na variação de erros
Um exemplo clássico disso é discutido a partir do slide 60 aqui http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting/doc_download/53-capabilities-presentation em que três anomalias de pulso ( não tratado) levou a uma transformação injustificada de log pelos primeiros pesquisadores. Infelizmente, alguns de nossos pesquisadores atuais ainda estão cometendo o mesmo erro.
A questão aqui (como sugerido pelo op) é ter muito cuidado com as suposições.
fonte