Différences (différenciation d'une série temporelle)

Pour un décalage k, chaque différence est la valeur moins la valeur située k lignes plus tôt ; les k premières lignes n'en ont pas. Un décalage de 1 supprime une tendance linéaire, et un décalage égal à la saison supprime une saisonnalité stable. Utilisez-le pour voir si la croissance est régulière et pour rendre une série stationnaire avant l'autocorrélation ou ARIMA. Les résultats sont un graphique et un tableau.

Dernière révision

Point clé

Differences calcule la variation d'une série temporelle d'une période à l'autre, chaque valeur moins la valeur située un décalage fixé plus tôt, pour supprimer une tendance (décalage 1) ou une saisonnalité (décalage égal à la saison).

Sur cette page
  1. Objectif
  2. Principales fonctionnalités
  3. Méthodes statistiques
  4. Champs de saisie et options
  5. Description des résultats
  6. Exemple résolu

Objectif

Differences calcule la variation d'une série d'une période à l'autre : chaque valeur moins la valeur située un nombre fixé de lignes (le décalage) plus tôt. Un décalage de 1 donne la variation d'une période à l'autre et supprime une tendance ; un décalage égal à la saison (12 pour des données mensuelles, 4 pour des données trimestrielles) compare chaque période à la même période une saison plus tôt et supprime la saisonnalité. Utilisez-le pour voir si la croissance est régulière, et pour rendre une série stationnaire avant d'étudier son autocorrélation ou d'ajuster un modèle ARIMA.

Principales fonctionnalités

  • Différences pour tout décalage de 1 à 365.
  • Graphique de la série différenciée en fonction du numéro de ligne, avec une ligne à zéro.
  • Tableau avec le numéro de ligne, la valeur d'origine et la différence pour chaque ligne ; les lignes sans valeur antérieure affichent *.
  • Conserve les lacunes à leur place : une valeur manquante donne une différence manquante au lieu de décaler les lignes suivantes.

Méthodes statistiques

Pour une série y₁ … yₙ et un décalage k, la différence à la ligne t est dₜ = yₜ − yₜ₋ₖ pour t = k + 1 … n. Les k premières lignes n'ont pas de valeur antérieure et sont affichées *. Une valeur manquante dans la série donne une différence manquante à sa propre ligne et à la ligne située k lignes plus loin. La série doit comporter plus de k valeurs.

Une différence première (k = 1) supprime une tendance linéaire : si yₜ augmente de b unités par période, les différences varient autour de b. Une différence saisonnière (k = la longueur de la saison) supprime une saisonnalité stable et laisse la variation d'une saison à la suivante ; pour une série à tendance linéaire, ces différences varient autour de k × b. En termes ARIMA, une différence de décalage 1 correspond à d = 1 et une différence saisonnière à D = 1. Pour différencier deux fois la même série (par exemple décalage 12 puis décalage 1), il faut utiliser le premier résultat comme nouvelle colonne.

Champs de saisie et options

Champ

Description

Variable

Obligatoire. La colonne numérique à différencier, dans l'ordre chronologique.

Lag

Obligatoire, de 1 à 365, valeur par défaut 1. Nombre de lignes entre les deux valeurs soustraites.

Title

Titre affiché sur le graphique. Valeur par défaut : Differences.

differences-inputs


Figure 1 — Différences sur douze mois des Sales mensuelles.

Description des résultats

  • Differences (graph) — les valeurs différenciées en fonction de l'indice de ligne, avec une ligne en pointillés à zéro.
  • Differences (table) — Row, la colonne d'origine et Difference (lag k) pour chaque ligne.
  • Export PDF via Download.

differences-output


Figure 2 — Variation d'une année sur l'autre des ventes mensuelles : toutes les valeurs sont supérieures à zéro, entre +30 et +238 unités.

Exemple résolu

Les ventes d'un distributeur d'électronique grand public augmentent chaque année mais suivent aussi un cycle annuel, avec un creux en début d'année et un pic en décembre. Le responsable des ventes veut savoir si la croissance est régulière. L'analyste prend 60 mois de ventes en unités (janvier 2020 à décembre 2024), sélectionne Variable = Sales et fixe Lag = 12, de sorte que chaque mois est comparé au même mois un an plus tôt et que la saison disparaît.

Les 12 premières lignes affichent * car il n'y a pas d'année antérieure. Les 48 variations d'une année sur l'autre sont toutes positives : aucun mois n'a vendu moins d'unités que le même mois un an plus tôt. Elles vont de +30 (février 2022) à +238 (janvier 2021), avec une moyenne de +135 unités, soit environ 11 par mois, ce qui correspond à la droite de tendance trouvée par Decomposition (11.05 unités par mois). La variation moyenne par année était de +162 en 2021, +117 en 2022, +113 en 2023 et +150 en 2024 : la croissance a ralenti en 2022 et 2023 et repris en 2024.

Avec Lag = 1, les variations d'un mois à l'autre oscillent de −352 (décembre 2021 à janvier 2022) à +195 (novembre à décembre 2024). Les variations saisonnières sont si importantes que la croissance (en moyenne +19 unités par mois) est difficile à voir, ce qui explique que la différence sur 12 mois est le bon choix pour cette série. Cette même différence sur 12 mois est la différenciation saisonnière (D = 1) utilisée dans l'exemple ARIMA.

Questions fréquentes

À quoi sert la différenciation d'une série temporelle ?

La différenciation remplace chaque valeur par sa variation par rapport à la valeur située un nombre fixé de lignes plus tôt. Une différence première (décalage 1) supprime une tendance linéaire : si la série augmente de b unités par période, les différences varient autour de b. Elle sert à rendre une série stationnaire avant d'étudier son autocorrélation ou d'ajuster un modèle ARIMA.

Quel décalage utiliser pour la différenciation ?

Utilisez le décalage 1 pour la variation d'une période à l'autre, qui supprime une tendance. Utilisez un décalage égal à la saison, 12 pour des données mensuelles ou 4 pour des données trimestrielles, pour comparer chaque période à la même période une saison plus tôt et supprimer la saisonnalité. En termes ARIMA, une différence de décalage 1 correspond à d = 1 et une différence saisonnière à D = 1.

Pourquoi utiliser une différence saisonnière plutôt que le décalage 1 ?

Quand les variations saisonnières sont fortes, les variations d'un mois à l'autre masquent la croissance. Dans l'exemple résolu, les différences de décalage 1 des ventes mensuelles oscillaient de −352 à +195, alors que les différences sur 12 mois étaient toutes positives, avec une moyenne de +135 unités, soit environ 11 par mois, ce qui montrait une croissance régulière d'une année sur l'autre.

Comment les valeurs manquantes sont-elles traitées lors de la différenciation ?

Les lacunes sont conservées à leur place : une valeur manquante donne une différence manquante à sa propre ligne et à la ligne située k lignes plus loin, au lieu de décaler les lignes suivantes. Les k premières lignes n'ont pas de valeur antérieure, leur différence est donc affichée comme manquante. La série doit comporter plus de k valeurs, et pour différencier deux fois il faut utiliser le premier résultat comme nouvelle colonne.