每日时间序列分析

Question

我有一个有关产品销售的每日时间序列，我的序列从2016年1月1日开始到2017年8月31日，我的问题是我不知道应该使用哪个频率值，因为这是一个六天的一周（我的一周从星期一开始，到星期六结束），没有星期日的数据。

应该是这样吗？

myts <- ts(sales, start=c(2016, 1), frequency=6)

谢谢你的帮助 ！！

Answer 1

ts希望您具有时间序列中每个元素的值，即，希望您在数据中具有第七天的值。

一种选择是扩展日期索引以包括您丢失的观察值。 您可以使用na.approx或na来填充那些缺失的观测值，但是您不能给ts六天的工作周，并希望它能将其理解为一个七天的周期。

做到这一点的一种好方法是看zoo ，它具有处理这类情况的特定功能。

Answer 2

这实际上取决于您要对数据执行的操作。

1）例如， 绘制 ，如果您的目标只是绘制它，则"ts"类不合适，因为它不擅长表示日期。 请改用此方法，我们在末尾的注释中定义了sales和tt测试向量。

library(zoo)
z <- zoo(sales, tt)
plot(z)

2）acf如果要计算自相关函数，则可以使用纯向量sales或ts(sales) ：

acf(sales)

3）StructTS如果要使用StructTS拟合结构时间序列，则需要确定一个周期的长度，即每周重复一次吗？ 25美分硬币？ 年？。 通常情况下，一个年度周期适合销售，但是总的来说，您将需要两个完整的周期才能执行任何操作，因此您实际上没有足够的数据来执行此操作。

4）每月/每季度如果您愿意将其简化为每月或每季度数据，则可以使用ts但您每月只有20点，每季度只有7点。 在这里，我们使用了每个月的最后一点：

library(zoo)

z <- zoo(sales, tt)
zm <- aggregate(z, as.yearmon, tail, 1) 
tsm <- as.ts(zm)
tsm

赠送：

          Jan      Feb      Mar      Apr      May      Jun      Jul      Aug
2016 3.258097 3.931826 4.356709 4.644391 4.867534 5.049856 5.204007 5.342334
2017 5.828946 5.897154 5.968708 6.030685 6.093570 6.150603 6.204558 6.257668
          Sep      Oct      Nov      Dec
2016 5.459586 5.564520 5.659482 5.749393
2017                                    

5）每周您可以考虑的另一件事是仅通过使用星期六使用每周系列，例如：

library(zoo)
z <- zoo(sales, tt)
zw <- z[weekdays(time(z)) == "Saturday"]

注意：我们使用了以下虚拟数据：

set.seed(123)
tt <- seq(as.Date("2016-01-01"), as.Date("2017-08-31"), "day")
tt <- tt[! weekdays(tt) == "Sunday"]
n <- length(tt)
sales <- log(1:n)