季節性分解 是什麼？
Seasonal Decomposition — 季節性分解 的完整解釋
季節性分解是一種時序分析技術，將時間序列分解為趨勢、季節性、週期性和殘差等成分，以便更好地理解和預測資料。
容易混淆
季節性分解 vs 移動平均
季節性分解會拆出趨勢和週期 移動平均主要是在平滑數據 最關鍵的區別是拆成幾個成分還是只做平滑。
季節性分解 vs ARIMA
季節性分解是先看結構 ARIMA 是用模型直接做預測 最關鍵的區別是分析工具還是預測模型。
記住這句就好
先拆趨勢，再看週期，最後才處理雜訊。
實際案例
零售銷售 月初和月底、節日和非節日的波動常常不同，拆開後比較看得出長期趨勢。
用電量 夏天和冬天用電模式不同，分解後更容易看出季節循環。
算法與應用
經典分解會把序列拆成 trend、seasonal、residual。 STL 是常見做法之一，對非線性和異常值通常更有彈性。 如果季節波動幅度會跟著水準變化，乘法模型常比加法模型更合適。
情境判斷
Q1（直覺題）：如果你想知道銷售是長期上升，還是只是每週固定高低起伏，會先做什麼？
→ 很常先做季節性分解。
Q2（判斷題）：拆出季節性後，就一定能直接預測未來嗎？
→ 不一定。分解能幫你理解結構，但預測還要搭配模型和驗證。
相關術語
常見問題
怎麼選加法模型還是乘法模型？
A：看季節波動是固定幅度，還是會隨整體水準一起放大。
STL 和經典分解差在哪？
A：STL 更靈活，也比較能處理非線性趨勢和異常值。
分解後怎麼用在預測？
A：通常會先處理趨勢和季節項，再搭配其他模型預測殘差。