局部加权回归的周期趋势分解法（STL）的matlab的计算以及绘图代码

以下是STL周期趋势分解法的MATLAB代码，包括计算和绘图：

% 假设您有一个名为 "data" 的时间序列数据
% 您可以使用以下代码来进行STL分解

% 设置参数
period = 12; % 季节性周期
span = 0.05; % loess平滑的参数
deg = 1; % 局部加权回归的多项式次数
robust = 'off'; % 是否使用鲁棒回归

% 进行STL分解
[seasonal, trend, residual] = stl(data, period, 'span', span, 'degree', deg, 'robust', robust);

% 计算趋势和季节性分量的周期性
trend_periodicity = std(trend)/std(data);
seasonal_periodicity = std(seasonal)/std(data);

% 绘制分解结果
figure;
subplot(4,1,1);
plot(data);
title('Original Data');

subplot(4,1,2);
plot(trend);
title('Trend Component');

subplot(4,1,3);
plot(seasonal);
title('Seasonal Component');

subplot(4,1,4);
plot(residual);
title('Residual Component');

% 绘制周期性
figure;
bar([trend_periodicity, seasonal_periodicity]);
set(gca,'xticklabel',{'Trend','Seasonal'});
ylabel('Periodicity');

以上代码中，"deg" 是局部加权回归的多项式次数，通常为1（代表线性回归）。"robust" 是一个标志，如果设置为 'on'，则使用鲁棒回归来减少异常值的影响。

执行以上代码后，您将得到分解后的季节性、趋势和残差三个部分，并且绘制了它们的图形。此外，代码还计算了趋势和季节性分量的周期性，并绘制了一个条形图来显示它们的值。