使用 zoo 包输入每日时间序列时出错

Question

na.StructTS()-函数，根据其文档，用于使用季节性卡尔曼滤波器（不熟悉这背后的数学原理）填充NA时间序列中的值。

但是我有一个问题：

当我想替换 zooreg 对象中的 NAs 时，它只有在指定频率（每个时间单位的观察）大于 1 时才有效。

示例：

#with frequency = 1 appearantly being the default
t <- zooreg(c(34, 12, 45, 56, 34, NA, 57, 59), 
            start = as.Date("2019-01-01"))

> t
2019-01-01 2019-01-02 2019-01-03 2019-01-04 2019-01-05 2019-01-06 2019-01-07 2019-01-08 
        34         12         45         56         34         NA         57         59 

na.StructTS(t, na.rm = TRUE)

Returns错误：

Error in rowSums(tsSmooth(StructTS(y))[, -2]) : 'x' must be an array of at least two dimensions

变化中：

t <- zooreg(c(34, 12, 45, 56, 34, NA, 57, 59), 
            start = as.Date("2019-01-01"), frequency = 2)

> na.StructTS(t, na.rm = TRUE)
2019-01-01 2019-01-01 2019-01-02 2019-01-02 2019-01-03 2019-01-03 2019-01-04 2019-01-04 
  34.00000   12.00000   45.00000   56.00000   34.00000   49.84633   57.00000   59.00000

对任何事情 > 1 都有效，但每次的归因都不同，并且花费的时间越来越长。

为什么会这样？如何用 na.StructTS() 估算每日时间序列？

Answer 1

很想知道您想要什么样的系列。 na.Struct() 可能不是非常短的系列的最佳选择。

还有很多其他的插补方法（有些更容易理解）。例如。 zoo 还提供 na.approx , na.spline , na.StructTS , na.locf

还有 imputeTS 包，它专门用于时间序列插补。（并且还应该与 zoo 时间序列兼容，因此您可以在动物园系列上使用它）

在 imputeTS 包中，您有：na_interpolation()、na_locf()、na_ma()、na_kalman()、na_seadec()、na_seasplit() 甚至更多 functions.

如果您想继续使用卡尔曼滤波器，可以查看 na_kalman() 函数

na_kalman(x, model = "StructTS", smooth = TRUE, nit = -1, ...)

它有几个额外的选项，因此您可以使用 ARIMA 模型而不是来自 StructTS 的模型，或者您可以选择是否要使用 KalmanRun 或 KalmanSmoothing。

na_kalman(x, model = "StructTS", smooth = TRUE)

最相似 na.StructTS。但仍然有不同的实现——所以它们不会给出完全相同的结果。因此，如果您坚持在 State Space 模型上使用 KalmanSmoothing，则可以使用 imputeTS 中的此函数（频率 = 1 时不会出错）

使用 zoo 包输入每日时间序列时出错

Error in imputing daily time series with zoo package

r

time-series

zoo