0

我有一个时间序列，其中包含从 2006 年到 2020 年的不规则时间数据，仅包括夏季月份（六月、七月、八月）。我想获得有关趋势、季节性和大部分残差的信息。

  • 2007-07-15 / 23.3132725761094
  • 2007-07-24 / 27.5978287205735
  • 2007-07-29 / 29.305232884511
  • 2009-06-25 / 25.6451943453992
  • 2009-06-27 / 34.6152556850167

现在，我为多年来的每一天做了一个完整的时间轴，并合并了我的 lst 数据。

library(forecast)
library(xts)

timestamps <- data$date

dataRep <- data.frame(timestamps= as.Date(c("2007-07-15","2007-07-24", "2007-07-29","2009-06-25")),
                      lst = c(23.3132725761094, 27.5978287205735, " ",25.6451943453992))

tstamp <- data.frame(x = seq(head(dataRep$timestamps,1),tail(dataRep$timestamps,1),by ="day"))
res <- merge(tstamp,dataRep,by.x="x", by.y="timestamps", all.x=TRUE)
tsData <-xts(res$lst,order.by =res$x)

现在，我想将我的 tsData 应用于 decompose() 或 slt()，但它不起作用，并且出现以下错误。

xts.stl <- stl(tsData,s.window="periodic")

错误：na.fail.default(as.ts(x)) 中的错误：对象中缺少值

decompose(as.ts(tsData))

错误：分解中的错误（as.ts（tsData））：时间序列没有或少于 2 个周期

有人可以帮我吗？

4

0 回答 0