在R中使用ARIMA创建季节性调整数据

我想为每个县生成过去22年的经季节性调整的失业数据

美国劳工统计局使用ARIMA对整个国家的失业率进行季节性调整，但不针对个别县。我需要帮助弄清楚如何强制R区的ARIMA对美国每个县进行季节性调整

我可以通过使用

auto.ARIMA（mytimeseries）

获得一个ARIMA模型，但我不知道如何减去季节性成分（这很容易用

（decompose（mytimeseries））$seasual）

这个网站意味着我应该能够减去ARIMA残差：

predicteds = oilindex - expsmoothfit$residuals 

但是当我尝试它的时候，它看起来一点都不正确（用眼睛），它看起来根本没有意识到季节的变化

我想可能是

auto.arima（）

提出的模型很差，但当我将模型绘制在与原始数据相同的绘图上时，它看起来相当好

本网站讨论通过使用predict（）对序列进行平滑处理，但我无法做到这一点：我无法判断我的

data.frame（mytimeseries[date=seq]）

行是否有问题，或者如果arima对象没有与

gam

对象相同的方法，因此预测不起作用

那么：如何使用ARIMA从数据中去除季节性呢？感谢您的帮助

这是我到目前为止的一个例子。（我是R新手，所以毫无疑问，这段代码是次优的。）

---

我知道你想取消你的时间序列。我使用来自的数据进行演示

unemploy<-read.table("ILIROQ5URN.txt",header=T,skip=11)
unemploy<-ts(unemploy$VALUE,frequency=12,start(1990,1))

plot(deseason<-stl(unemploy,s.window="periodic"))

plot(unemploy)
lines(deseason$time.series[,2],col="red")

---

unemploy劳动统计局使用美国人口普查局的X12算法对数据进行季节性调整

有一个R包（x12）实现此功能

美国人口普查局：


x12程序包r：

分解季度和月度数据最流行的方法之一是X-12-ARIMA，它起源于美国人口普查局开发的方法。它现在被世界各地的局和政府机构广泛使用。该方法的早期版本包括X-11和X-11-ARIMA。X-13-ARIMA方法是目前结合X-12-ARIMA和TRAMO/座椅的最现代标准。TRAMO/SEATS代表了基于Victor Gomez和Agustin Maravall（西班牙银行）开发的季节性调整方法的ARIMA模型。
您可以在此处找到季节性调整的简短介绍：


存在一个名为seasonal的可靠R包，该包有助于R中的季节性调整。R包为美国人口普查局提供的Fortran库提供了一个易于使用的界面。
以下链接提供了有关如何在R中进行季节性调整的简短教程：

所有X12-ARIMA的功能远不止ARIMA，有关一些论文，请参阅。这是一个相当复杂的软件，您不应该尝试模仿它：R中有一个用于此的软件包，或者Census中的“裸”X12没有R可用（到目前为止，有一个全新的X13使用来自TRAMO/SEATS的代码）。SAS中还有一个proc。谢谢，这很好，但我希望使用与人口普查局相同的调整，即ARIMA。对于stl（），我似乎得到了与上面提到的decompose（）例程几乎相同的结果；也许他们使用相同的算法？首先你需要找出人口普查局使用的确切方法。您需要在R中找到一个实现，或者自己编写一个。最后，您应该对照人口普查局提供的Win X-12软件验证该方法。我有人口普查局使用的方法。看见我只是希望R中有比R中的X-ARIMA更简单的东西；我想情况并非如此。我想我会用X-ARIMA。谢谢你的帮助！
unemploy<-read.table("ILIROQ5URN.txt",header=T,skip=11)
unemploy<-ts(unemploy$VALUE,frequency=12,start(1990,1))

plot(deseason<-stl(unemploy,s.window="periodic"))

plot(unemploy)
lines(deseason$time.series[,2],col="red")