trendReversal: Trend reversal test
In rivm-syso/KRWTrends: Functies voor trendrapportage KRW

De trend reversal test is een methode om te toetsen of er trendomkering in de data aanwezig is

1 2	trendReversal(i, x, trim = FALSE, rpDL = TRUE, trimfactor = 1.5, make.plot = FALSE, dw.plot = TRUE)

`i`	put/filter naam waar statistiek voor berekend wordt
`x`	data.frame van lgmsubset
`trim`	als TRUE, dan worden uitbijters verwijderd (trimmed)
`make.plot`	als TRUE dan wordt een plot object aangemaakt
`trimFactor`	factor van `rmoutlier`

een trendReversal object met daarin de resultaten van de trend reversal test en, als make.plot is TRUE, een ggplot object met een grafische weergave van de trendomkering

Een trendomkering ontstaat als de concentratie (van een stof in een put) vanaf een bepaalde moment/jaar - het keerpunt genoemd - toeneemt (of afneemt, of constant is) terwijl de concentratie daarvoor afnam (of toenam, of constant was). Het detecteren van een trendomkering is meer complex dan het detecteren van een trend alleen, aangezien dat er meerdere patronen zijn waarop een reeks geen duidelijk toenemende or afnemende trend aantoont en waardoor een trendomkering onterecht gesignaleerd kan worden.

Om zulke patronen uit te sluiten wordt eerst gecontroleerd of de reeks compatibel is met twee achtervolgende trends in verschillende richtingen. Voor elke keuze van het potentiele keerpunt wordt de reeks in twee stukken verdeeld, op elk stuk wordt een rechte lijn aangepast door de robuuste methode van Theil-Sen, en een algemeen mate van discrepantie tussen de lijnen en de werkelijke concentraties berekent (namelijk de som van de kwadraten van de ‘residuen’, ofwel de verschillen tussen de aangepaste lijnen en de concentraties). Het keerpunt met de kleinste discrepantie wordt gekozen, met de bijbehorende lijnen. Alleen als de hellingen van de lijnen van teken verschillen (een is <0 en de andere >0) gaat men verder om een p-waarde te berekenen (welke p-waarde de aanwijzing geeft voor het ontstaan van een trendomkering eerder dan een simpele trend); als dit niet het geval is dan wordt zonder meer de p-waarde gedefinieerd als 1 (wat geen aanwijzing voor trendomkering geeft). Voor het berekenen van de p-waarde wordt een regressie model met een kwadratische term aan de data gepast (m.a.w.: men past een parabool i.p.v. een rechte lijn op de reeks concentraties). Daarna wordt er verifieerd of het hoogste/laagste punt van de aangepaste kromme binnen het tijdsvenster van de reeks valt (zoals het hoort bij een trendomkering). In het geval dat het niet zo is wordt de p-waarde gedefinieerd als 1. Anders wordt er getoetst of het kwadratische model de data niet ‘aanzienlijk beter beschrijft’ dan het simpeler recht lijnig model.

rivm-syso/KRWTrends documentation built on Nov. 20, 2021, 9:52 a.m.