Differenzen (Differences)
Bei Lag k ist jede Differenz der Wert minus den Wert k Zeilen früher; die ersten k Zeilen haben keine. Ein Lag von 1 entfernt einen linearen Trend, ein Lag gleich der Saisonlänge ein stabiles saisonales Muster. Verwenden Sie es, um zu prüfen, ob das Wachstum gleichmäßig ist, und um eine Reihe vor Autokorrelation oder ARIMA stationär zu machen. Ausgegeben werden ein Diagramm und eine Tabelle.
Zuletzt geprüft
Kernaussage
Differences berechnet die Änderung einer Zeitreihe von einer Periode zur anderen – jeder Wert minus den Wert um einen festen Lag früher –, um einen Trend (Lag 1) oder ein saisonales Muster (Lag gleich der Saisonlänge) zu entfernen.
Auf dieser Seite
Zweck
Differences berechnet die Änderung einer Reihe von einer Periode zur anderen: jeder Wert minus den Wert eine festgelegte Anzahl von Zeilen (die Verzögerung, Lag) früher. Ein Lag von 1 liefert die Änderung von Periode zu Periode und entfernt einen Trend; ein Lag gleich der Saisonlänge (12 bei Monatsdaten, 4 bei Quartalsdaten) vergleicht jede Periode mit derselben Periode eine Saison zuvor und entfernt das saisonale Muster. Verwenden Sie es, um zu prüfen, ob das Wachstum gleichmäßig ist, und um eine Reihe stationär zu machen, bevor Sie ihre Autokorrelation prüfen oder ein ARIMA-Modell anpassen.
Wichtige Funktionen
- Differenzen bei jedem Lag von 1 bis 365.
- Diagramm der differenzierten Reihe gegen die Zeilennummer, mit einer Nulllinie.
- Tabelle mit Zeilennummer, Originalwert und Differenz für jede Zeile; Zeilen ohne früheren Wert zeigen *.
- Lücken bleiben an ihrer Stelle: Ein fehlender Wert ergibt eine fehlende Differenz, statt die späteren Zeilen zu verschieben.
Statistische Methoden
Für eine Reihe y₁ … yₙ und Lag k ist die Differenz in Zeile t dₜ = yₜ − yₜ₋ₖ für t = k + 1 … n. Die ersten k Zeilen haben keinen früheren Wert und werden als * angezeigt. Ein fehlender Wert an beliebiger Stelle der Reihe ergibt eine fehlende Differenz in seiner eigenen Zeile und in der Zeile k später. Die Reihe benötigt mehr als k Werte.
Eine erste Differenz (k = 1) entfernt einen linearen Trend: Wächst yₜ um b Einheiten je Periode, schwanken die Differenzen um b. Eine saisonale Differenz (k = Saisonlänge) entfernt ein stabiles saisonales Muster und lässt die Änderung von einer Saison zur nächsten übrig; bei einer Reihe mit linearem Trend schwanken diese Differenzen um k × b. In ARIMA-Begriffen entspricht eine Differenz mit Lag 1 d = 1 und eine saisonale Differenz D = 1. Um dieselbe Reihe zweimal zu differenzieren (z. B. mit Lag 12 und dann mit Lag 1), benötigen Sie das erste Ergebnis als neue Spalte.
Eingabefelder und Optionen
Feld | Beschreibung |
Variable | Erforderlich. Die zu differenzierende numerische Spalte, in zeitlicher Reihenfolge. |
Lag | Erforderlich, 1 bis 365, Standard 1. Anzahl der Zeilen zwischen den beiden voneinander abgezogenen Werten. |
Title | Im Diagramm angezeigter Titel. Standard Differences. |

Abbildung 1 — Zwölfmonatsdifferenzen der monatlichen Sales.
Beschreibung der Ausgabe
- Differences (Diagramm) — die differenzierten Werte gegen den Zeilenindex, mit einer gepunkteten Linie bei null.
- Differences (Tabelle) — Row, die Originalspalte und Difference (lag k) für jede Zeile.
- PDF-Export über Download.

Abbildung 2 — Veränderung der monatlichen Verkäufe gegenüber dem Vorjahr: Alle Werte liegen über null, zwischen +30 und +238 Einheiten.
Beispiel
Die Verkäufe eines Unterhaltungselektronik-Großhändlers wachsen jedes Jahr, folgen aber auch einem jährlichen Muster mit einem Einbruch zu Jahresbeginn und einem Höhepunkt im Dezember. Der Vertriebsleiter möchte wissen, ob das Wachstum gleichmäßig ist. Der Analyst nimmt 60 Monate Absatzzahlen (Januar 2020 bis Dezember 2024), wählt Variable = Sales und setzt Lag = 12, sodass jeder Monat mit demselben Monat des Vorjahres verglichen wird und die Saison herausfällt.
Die ersten 12 Zeilen zeigen *, weil es kein Vorjahr gibt. Alle 48 Veränderungen gegenüber dem Vorjahr sind positiv: In keinem Monat wurden weniger Einheiten verkauft als im selben Monat des Vorjahres. Sie reichen von +30 (Februar 2022) bis +238 (Januar 2021), im Mittel +135 Einheiten, also etwa 11 pro Monat, was der mit Decomposition ermittelten Trendlinie (11.05 Einheiten pro Monat) entspricht. Die mittlere Veränderung je Jahr betrug +162 in 2021, +117 in 2022, +113 in 2023 und +150 in 2024: Das Wachstum verlangsamte sich 2022 und 2023 und zog 2024 wieder an.
Mit Lag = 1 schwanken die Veränderungen von Monat zu Monat zwischen −352 (Dezember 2021 auf Januar 2022) und +195 (November auf Dezember 2024). Die saisonalen Schwankungen sind so groß, dass das Wachstum (im Mittel +19 Einheiten pro Monat) kaum zu erkennen ist; deshalb ist die Zwölfmonatsdifferenz für diese Reihe die richtige Wahl. Dieselbe Zwölfmonatsdifferenz ist die saisonale Differenzierung (D = 1), die im ARIMA-Beispiel verwendet wird.
Häufig gestellte Fragen
Was bewirkt das Differenzieren einer Zeitreihe?
Beim Differenzieren wird jeder Wert durch seine Änderung gegenüber dem Wert eine festgelegte Anzahl von Zeilen früher ersetzt. Eine erste Differenz (Lag 1) entfernt einen linearen Trend: Wächst die Reihe um b Einheiten je Periode, schwanken die Differenzen um b. Es dient dazu, eine Reihe stationär zu machen, bevor ihre Autokorrelation geprüft oder ein ARIMA-Modell angepasst wird.
Welchen Lag sollten Sie für das Differenzieren verwenden?
Verwenden Sie Lag 1 für die Änderung von Periode zu Periode, die einen Trend entfernt. Verwenden Sie einen Lag gleich der Saisonlänge, 12 bei Monats- oder 4 bei Quartalsdaten, um jede Periode mit derselben Periode eine Saison zuvor zu vergleichen und das saisonale Muster zu entfernen. In ARIMA-Begriffen entspricht eine Differenz mit Lag 1 d = 1 und eine saisonale Differenz D = 1.
Warum eine saisonale Differenz statt Lag 1 verwenden?
Bei starken saisonalen Schwankungen verdecken die Änderungen von Monat zu Monat das Wachstum. Im Beispiel schwankten die Lag-1-Differenzen der monatlichen Verkäufe zwischen −352 und +195, während die Zwölfmonatsdifferenzen alle positiv waren, im Mittel +135 Einheiten, also etwa 11 pro Monat, was ein gleichmäßiges Wachstum gegenüber dem Vorjahr zeigte.
Wie werden fehlende Werte beim Differenzieren behandelt?
Lücken bleiben an ihrer Stelle: Ein fehlender Wert ergibt eine fehlende Differenz in seiner eigenen Zeile und in der Zeile k später, statt spätere Zeilen zu verschieben. Die ersten k Zeilen haben keinen früheren Wert, daher wird ihre Differenz als fehlend angezeigt. Die Reihe benötigt mehr als k Werte, und zweimaliges Differenzieren erfordert das erste Ergebnis als neue Spalte.
