Verschillen (differencing) in tijdreeksen
Bij lag k is elk verschil de waarde min de waarde k rijen eerder; de eerste k rijen hebben er geen. Een lag van 1 verwijdert een lineaire trend en een lag gelijk aan het seizoen verwijdert een stabiel seizoenspatroon. Gebruik het om te zien of de groei gelijkmatig is en om een reeks stationair te maken vóór autocorrelatie of ARIMA. De uitvoer is een grafiek en een tabel.
Laatst beoordeeld
Belangrijkste conclusie
Differences berekent de verandering in een tijdreeks van de ene periode naar de andere: elke waarde min de waarde een vaste lag eerder, om een trend (lag 1) of een seizoenspatroon (lag gelijk aan het seizoen) te verwijderen.
Op deze pagina
Doel
Differences berekent de verandering in een reeks van de ene periode naar de andere: elke waarde min de waarde een vast aantal rijen (de lag) eerder. Een lag van 1 geeft de verandering van periode tot periode en verwijdert een trend; een lag gelijk aan het seizoen (12 bij maandgegevens, 4 bij kwartaalgegevens) vergelijkt elke periode met dezelfde periode een seizoen eerder en verwijdert het seizoenspatroon. Gebruik het om te zien of de groei gelijkmatig is en om een reeks stationair te maken voordat u de autocorrelatie controleert of een ARIMA-model fit.
Belangrijkste mogelijkheden
- Verschillen bij elke lag van 1 tot 365.
- Grafiek van de gedifferentieerde reeks tegen het rijnummer, met een nullijn.
- Tabel met het rijnummer, de oorspronkelijke waarde en het verschil voor elke rij; rijen zonder eerdere waarde tonen *.
- Laat lacunes op hun plaats: een ontbrekende waarde geeft een ontbrekend verschil in plaats van de latere rijen te verschuiven.
Statistische methoden
Voor een reeks y₁ … yₙ en lag k is het verschil in rij t gelijk aan dₜ = yₜ − yₜ₋ₖ voor t = k + 1 … n. De eerste k rijen hebben geen eerdere waarde en worden weergegeven als *. Een ontbrekende waarde ergens in de reeks geeft een ontbrekend verschil in de eigen rij en in de rij k later. De reeks heeft meer dan k waarden nodig.
Een eerste verschil (k = 1) verwijdert een lineaire trend: als yₜ per periode met b eenheden groeit, variëren de verschillen rond b. Een seizoensverschil (k = de seizoenslengte) verwijdert een stabiel seizoenspatroon en laat de verandering van het ene seizoen naar het volgende over; bij een reeks met een lineaire trend variëren die verschillen rond k × b. In ARIMA-termen is een verschil met lag 1 gelijk aan d = 1 en een seizoensverschil gelijk aan D = 1. Dezelfde reeks tweemaal differentiëren (bijvoorbeeld lag 12 en daarna lag 1) vereist het eerste resultaat als nieuwe kolom.
Invoervelden en opties
Veld | Beschrijving |
Variable | Verplicht. De numerieke kolom waarvan u de verschillen neemt, in tijdsvolgorde. |
Lag | Verplicht, 1 tot 365, standaard 1. Aantal rijen tussen de twee waarden die van elkaar worden afgetrokken. |
Title | Titel die op de grafiek wordt getoond. Standaard Differences. |

Figuur 1 — Twaalfmaandsverschillen van de maandelijkse Sales.
Beschrijving van de uitvoer
- Differences (graph) — de gedifferentieerde waarden tegen de rij-index, met een stippellijn bij nul.
- Differences (table) — Row, de oorspronkelijke kolom en Difference (lag k) voor elke rij.
- PDF-export via Download.

Figuur 2 — Verandering van de maandelijkse verkoop ten opzichte van een jaar eerder: elke waarde ligt boven nul, tussen +30 en +238 eenheden.
Uitgewerkt voorbeeld
De verkoop van een distributeur van consumentenelektronica groeit elk jaar, maar volgt ook een jaarlijks patroon, met een dip aan het begin van het jaar en een piek in december. De verkoopmanager wil weten of de groei gelijkmatig is. De analist neemt 60 maanden eenhedenverkoop (januari 2020 tot en met december 2024), selecteert Variable = Sales en stelt Lag = 12 in, zodat elke maand wordt vergeleken met dezelfde maand een jaar eerder en het seizoen wegvalt.
De eerste 12 rijen tonen * omdat er geen eerder jaar is. Alle 48 veranderingen ten opzichte van een jaar eerder zijn positief: in geen enkele maand zijn minder eenheden verkocht dan in dezelfde maand een jaar eerder. Ze lopen uiteen van +30 (februari 2022) tot +238 (januari 2021), met een gemiddelde van +135 eenheden, ongeveer 11 per maand, in overeenstemming met de trendlijn die Decomposition vond (11.05 eenheden per maand). De gemiddelde verandering per jaar was +162 in 2021, +117 in 2022, +113 in 2023 en +150 in 2024: de groei vertraagde in 2022 en 2023 en trok in 2024 weer aan.
Met Lag = 1 schommelen de veranderingen van maand tot maand van −352 (december 2021 tot januari 2022) tot +195 (november tot december 2024). De seizoensschommelingen zijn zo groot dat de groei (gemiddeld +19 eenheden per maand) moeilijk te zien is, en daarom is het verschil over 12 maanden de juiste keuze voor deze reeks. Datzelfde verschil over 12 maanden is het seizoensverschil (D = 1) dat in het ARIMA-voorbeeld wordt gebruikt.
Veelgestelde vragen
Wat doet differentiëren van een tijdreeks?
Differentiëren vervangt elke waarde door haar verandering ten opzichte van de waarde een vast aantal rijen eerder. Een eerste verschil (lag 1) verwijdert een lineaire trend: als de reeks per periode met b eenheden groeit, variëren de verschillen rond b. Het wordt gebruikt om een reeks stationair te maken voordat u de autocorrelatie controleert of een ARIMA-model fit.
Welke lag gebruikt u voor differentiëren?
Gebruik lag 1 voor de verandering van periode tot periode, die een trend verwijdert. Gebruik een lag gelijk aan het seizoen, 12 bij maandgegevens of 4 bij kwartaalgegevens, om elke periode te vergelijken met dezelfde periode een seizoen eerder en het seizoenspatroon te verwijderen. In ARIMA-termen is een verschil met lag 1 gelijk aan d = 1 en een seizoensverschil gelijk aan D = 1.
Waarom een seizoensverschil gebruiken in plaats van lag 1?
Bij sterke seizoensschommelingen verbergen veranderingen van maand tot maand de groei. In het uitgewerkte voorbeeld schommelden de verschillen met lag 1 van de maandelijkse verkoop van −352 tot +195, terwijl de verschillen over 12 maanden allemaal positief waren, gemiddeld +135 eenheden, ongeveer 11 per maand, wat een gelijkmatige groei ten opzichte van een jaar eerder liet zien.
Hoe worden ontbrekende waarden bij differentiëren behandeld?
Lacunes blijven op hun plaats: een ontbrekende waarde geeft een ontbrekend verschil in de eigen rij en in de rij k later, in plaats van latere rijen te verschuiven. De eerste k rijen hebben geen eerdere waarde, dus hun verschil wordt als ontbrekend weergegeven. De reeks heeft meer dan k waarden nodig, en tweemaal differentiëren vereist het eerste resultaat als nieuwe kolom.
