Teste de comida ou não?

Estou tentando configurar uma tela automática para detectar quebras estruturais em um grande número de séries temporais.

As séries temporais são semanais e representam o comportamento dos clientes. Eu configurei um teste de Chow. Uso as 4 semanas mais recentes e comparo-as com as 22 anteriores. Quero saber se o comportamento recente delas divergiu significativamente do comportamento anterior.

Minha pergunta é esta:

O Teste de Chow é o teste mais apropriado para esta pergunta?

Se este não é o teste mais apropriado, como posso determinar qual é o teste mais apropriado?

Sua pergunta é mais interessante para mim e sua solução tem sido minha pesquisa principal há vários anos.

Existem várias maneiras pelas quais "uma quebra estrutural" pode ocorrer.

Se houver uma mudança no Intercept ou uma mudança na Tendência "na última parte da série temporal", seria mais adequado realizar a Detecção de Intervenção (NB, é a identificação empírica do impacto significativo de uma Variável Determinística não especificada, como como uma mudança de nível ou uma mudança de tendência ou o início de um pulso sazonal). A Detecção de Intervenção é um pré-cursor para Modelagem de Intervenção, onde uma variável sugerida é incluída no modelo. Você pode encontrar informações na web pesquisando "DETECÇÃO AUTOMÁTICA DE INTERVENÇÃO". Alguns autores usam o termo "DETECÇÃO DE OUTLIER", mas, como muita linguagem estatística, isso pode ser confuso / impreciso. As intervenções detectadas podem ser uma das seguintes (detectar uma alteração significativa na média dos resíduos);

1. uma mudança de nível de 1 período (ou seja, um pulso)
2. uma mudança contígua de vários períodos no nível (ou seja, uma alteração no Intercept)
3. um pulso sistemático (isto é, um pulso sazonal)
4. uma mudança de tendência (ou seja, 1,2,3,4,5,7,9,11,13,15 .....)

Esses procedimentos são facilmente programados no R / SAS / Matlab e rotineiramente disponíveis em vários pacotes de séries temporais disponíveis comercialmente. No entanto, existem muitas armadilhas que você precisa ter cuidado, como detectar primeiro a estrutura estocástica ou fazer a detecção de intervenção no série original. É como o problema do frango e do ovo. Os primeiros trabalhos nessa área foram limitados ao tipo 1 e, como tal, provavelmente serão insuficientes para suas necessidades.

Se esse fenômeno não for detectado, pode-se considerar o CHOW TEST, que normalmente exige que o usuário pré-especifique o ponto de mudança hipotética. Tenho pesquisado e implementado procedimentos para detectar o ponto de mudança, avaliando pontos hipotéticos alternativos no tempo para determinar o ponto de interrupção mais provável.

No fechamento, também pode ser sensível à possibilidade de que possa ter havido uma mudança estrutural na variação de erro, o que pode mascarar o CHOW TEST, levando a uma falsa aceitação da hipótese nula de que não há pontos de interrupção significativos nos parâmetros.