3

我正在使用 R 并且我有每周数据（总共 660 次观察），我想使用季节性包中的 X-13 Arima-Seats 来季节性地​​调整我的数据。我将数据存储在 ts 对象中：

library(lubridate)
x <- ts(data, freq=365.25/7, start=decimal_date(ymd("2004-02-01")))
library(seasonal)
x_sa <- seas(x)

但是，我收到错误：

Error: X-13 run failed

Errors:
- Seasonal period too large. See Section 2.7 of the Reference Manual on program limits
- Expected argument name or "}" but found ".1785714285714"
- Time series could not be read due to previously found errors
- Expected specification name but found "}"
- Specify series before user-defined adjustments
- Need to specify a series to identify outliers

我也尝试了较短的时间，但错误仍然相同。

4

2 回答 2

1

我将按月平均您的每周数据并运行以下 ts 对象：

ts(data, freq=12, start=c(2004,2))

您将失去一些数据粒度，转换为几个月而不是几周，但是季节性软件包至少能够处理您的数据。

于 2018-02-05T20:37:52.307 回答
0

尝试 STL（使用黄土进行季节和趋势分解）。您可以将它与任何类型的季节性一起使用，不仅是每月和每季度。

它具有自动分解 mstl()。因此，对于您的数据，公式为：

x_sa <- mstl(x)

函数t.window和s.window有调整参数，在您的帮助下，您可以控制趋势周期和季节性成分的变化速度。您可以从 Rob J Hyndman 和 George Athanasopoulos 的“预测：原则与实践”一书中获得更多详细信息。在“时间序列分解”部分。

于 2019-01-22T08:49:26.080 回答