Wie, um zu bestimmen, lag in der Zeit-Serie?

Arbeite ich an einer Zeit-Serie problem und wollen zu zerlegen, um einige grundlegende Informationen zum Thema lag. Ziel ist es, zu bewerten, lag der output-Variablen auf der Grundlage von änderungen in der variable ändern, die als Teil der Beispiel-Daten.frame unten. Vollständige Daten.Rahmen hat mehr Daten, aber es ist alle Woche und folgt dem gleichen Aufbau wie in diesem Beispiel. 

year <- c(2010,2010,2010,2010)
week <- c("P7W1","P7W2","P7W3","P7W4")
output <- c(3295,4379,4284,4832)
change <- c(1912,2177,1587,2708)

timeTest <- data.frame(year,week,output,change)

Erstellte ich ein Zeitreihen-Objekt mit den folgenden.

timeObject <- ts(timeTest, start=c(2010,7), frequency=52)

Allerdings, wenn ich lief zerlegen(timeObject) bekam ich eine Fehlermeldung, die besagt, dass ich keine oder weniger als 2 Perioden. Ich bin eindeutig hier etwas fehlt, jede Beratung wird sehr geschätzt.

InformationsquelleAutor analyticsPierce | 2011-03-14
  1. 6

    Um decompose () - oder der cousin-stl - (), Sie müssen mindestens zwei komplette
    Perioden von Daten. Zeit ist definiert als 1/Frequenz. Also, wenn Sie die Arbeit mit wöchentliche Daten, wo Frequenz=52, Ihre Periode beträgt ein Jahr, und Sie müssen zwei Jahre von Daten.

    Beispielsweise decompose() mit dem Datensatz von 103 Wochen wird scheitern:

    decompose(ts(runif(103), frequency=52))

Error in decompose(ts(runif(103), frequency = 52)) : 
  time series has no or less than 2 periods

    Aber mit decompose() mit 104 Datenpunkten funktioniert:

    decompose(ts(runif(104), frequency=52))

$seasonal
Time Series:
Start = c(1, 1) 
End = c(2, 52) 
Frequency = 52 
  [1] -0.015447737  0.392006955  0.185528936  0.372505618 -0.079588619
  [6] -0.351928149 -0.472617951 -0.306461367 -0.475596801  0.266197693
 [11]  0.167468113 -0.332837411 -0.427845149 -0.001199151  0.276361737
...
$type
[1] "additive"

attr(,"class")
[1] "decomposed.ts"

    PS. Möglicherweise möchten Sie auch einen Blick auf die acf() die Autokorrelation berechnen. Dies funktioniert auch, wenn Sie weniger als zwei Jahre von Daten. Zum Beispiel:

    acf(ts(runif(100), frequency=52))

    Wie, um zu bestimmen, lag in der Zeit-Serie?

    • vielen Dank für die klare und ausführliche Antwort. wenn ich änderte die Frequenz auf eine niedrigere Zahl, die decompose () - Funktion ausführen? wenn dem so ist, würde die Analyse noch sinnvoll sein?
    • Ja, dann wird die Funktion ausgeführt wird. Ob sinnvoll, hängt von Ihren Daten und Ihrer interpretation der Ergebnisse.
    InformationsquelleAutor Andrie
Schreibe einen Kommentar