r - 使用线性模型对单变量、季节性时间序列进行插补

Question

我们如何使用 R 中的线性模型方法对单变量季节性时间序列进行插补？它应该考虑季节性，最好是趋势。我已经使用tslm函数进行预测，但不知道类似的插补函数。

Answer 1

imputeTS包可能是您正在搜索的内容。（免责声明：我是包的维护者）

它是一个专门用于（单变量）时间序列插补的软件包。这意味着它还具有能够处理季节性和趋势的功能。

包中实际上有几个您可能感兴趣的功能：

• na_seadec - 使用黄土分解和插值
• na_kalman - 使用卡尔曼平滑和结构时间序列模型
• na_seasplit - 分别估算每个季节

还包括其他算法，但这三个似乎最适合您的需求。我建议阅读手册以了解具体的算法细节。

给你的简短例子：

library(imputeTS)
# tsAirgap is a example univariate time series with NAs provided by imputeTS 
x <- tsAirgap
x <- na_kalman(x)

基本上就是这样。对于其他算法，它的工作原理相同：

library(imputeTS)
# tsAirgap is a example univariate time series with NAs provided by imputeTS 
x <- tsAirgap
x <- na_seadec(x, algorithm = "interpolation")

Answer 2

这个问题在本质上似乎更具统计性，因此可能应该迁移到交叉验证，在那里您可能会得到更好的答案......但一个快速的答案是

• 插补是与线性建模不同的过程，通常提前执行，所以有点不清楚你在这里问什么
• 如果我理解正确，最简单的方法可能是在拟合您的 tslm 模型之前使用相邻点的合理窗口中的平均值
• 您可能想查看 Caret 包中可用的预处理选项，尽管我自己没有将它们用于时间序列数据并且不确定是否可能

与往常一样，提供数据和可重复的示例在这里会有所帮助。