如何检测时间序列数据的变化是否不再显著？

Question

5

我有一组新闻文章，其中包含统计数据，例如：一段时间内提到该文章的推特帖子数量。统计值的自然行为是，新帖子的数量快速增长，然后随着新闻的老化而减少。

我想知道如何计算更改的统计数据不再显着的天数（例如：<0.1％的总帖子数），并具有一定的置信水平，适用于整个数据集。

你能给出一些信息和方法的提示吗？我也会很感激提供Python代码示例 :)

- xvga

你想让你的程序“学习”，还是只是想知道你需要什么值，以便硬编码它？ - 0xc0de

简单来说：只学习价值就足够了。 - xvga

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ram Narasimhan · Accepted Answer

这个问题实际上与时间序列分析有关。既然您有兴趣确定截断点，那么一个好的起点是阅读控制图的相关内容（Control Charts）。如果您想深入了解统计学（超出控制图），则可以研究变点分析，并查找时间序列中的结构性变化。

Python模块：要在Python中执行此分析，相关的NumPy和pandas模块很重要。这篇statalgo文章将为您提供正确的Python代码轨迹。（如果您愿意使用R进行分析，请考虑CRAN包tseries和strucchange。）

相关问题（统计学）: 如何检测时间序列数据的变化？

相关现实生活例子: 在奥萨马·本·拉登之死后，人们对推特上的新闻传播进行了大量分析。文章甚至有一个专门与您关于新闻传播的停止的问题相关的部分。

最后，您也可以考虑在Stats SE网站上提出这个问题。

希望能对您有所帮助。