給定一個具有多個鍵的 tsibble，tidyverts 是否能夠使用每個時間序列的相應 lambda_guerrero 值對每個時間序列進行 box_cox()？

Question

我的問題是：如果我有一個包含多個鍵（n_keys > 1）和一個或多個鍵變量（key_vars >= 1）的 tsibble，tidyverts 套件是否能夠對每個時間序列執行 box_cox 轉換（一個每個時間序列的 box_cox 轉換）使用每個時間序列的相應 lambda_guerrero 值？ 下面是我（第一次）嘗試一個最小可重現的例子。

例如：我想知道“步驟 5”是否可以使用 tidyverts 套件而不會收到錯誤。 與其將 lambda1=0.36 應用於優惠、一般和聚合，如“步驟 4”中所見，沒有錯誤，我想將 0.25 應用於優惠，0.66 應用於一般，0.36 應用於聚合，如果可能的話。

謝謝！

library(tidyverse) 
library(lubridate)
library(tsibble)
library(tsibbledata)
library(fabletools)
library(fable)
library(feasts)
library(distributional)

第1步：一鍵，無需轉換：

tsibbledata::PBS %>% summarize(Cost = sum(Cost)) %>% autoplot(Cost)

第2步：一鍵，轉換：

類似於 FPP3 第 3.1 章中的示例。 供參考： https://otexts.com/fpp3/transformations.html

lambda1 <- tsibbledata::PBS %>% 
summarize(Cost = sum(Cost)) %>%
features(Cost, features = guerrero) %>% 
pull(lambda_guerrero) # [1] 0.3642197

tsibbledata::PBS %>% summarize(Cost = sum(Cost)) %>% autoplot(box_cox(Cost,lambda1))

第 3 步：三個鍵，無需轉換：

tsibbledata::PBS %>% aggregate_key(Concession, Cost = sum(Cost)) %>% autoplot(Cost)

第 4 步：三個鍵，一個轉換：

tsibbledata::PBS %>%
aggregate_key(Concession, Cost = sum(Cost)) %>% 
autoplot(box_cox(Cost,lambda1))

第5步：三個鍵，三個轉換：

lambda2 <- tsibbledata::PBS %>% 
aggregate_key(Concession, Cost = sum(Cost)) %>%
features(Cost, features = guerrero) %>% 
pull(lambda_guerrero) # [1] 0.2518823 0.6577645 0.3642197

lambda2
A tibble: 3 x 2
Concession   lambda_guerrero
<chr*>                 <dbl>
1 Concessional           0.252
2 General                0.658
3 <aggregated>           0.364

tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  autoplot(box_cox(Cost,lambda2)) # caused an error

Answer 1

您上次嘗試的問題與輸入到box_cox(Cost, lambda2)的值的長度有關。 Cost的長度為 612（3 個系列的 204 個觀測值），而lambda2的長度為 3。因此 R 將嘗試復制 lambda2 中的值以使長度匹配（稱為“回收”）。

但是，在這種情況下它做錯了。 它匹配Cost[1]和lambda2[1] （正確）， Cost[2]和lambda2[2] （不正確）， Cost[3]和lambda2[3] （不正確）， Cost[3]和lambda2[1] （正確）等。正確回收參數是Cost[1:204]使用lambda2[1] ， Cost[205:408]使用lambda2[2] ， Cost[409:612]使用lambda2[3] ，所以我們需要確保這一點。

這可以通過rep(lambda2, each = 204)來完成，但是最好/最安全的方法是使用連接操作。 這可確保參數與正確的系列匹配（並防止出現行排序問題）。 下面的代碼顯示了如何使用left_join()完成此操作，它將 lambda 值與基於 Concession 列的數據相匹配。 請注意，plot 看起來不太好，因為轉換（和數據）在非常不同的尺度上產生值。 為了解決這個問題，我建議為每個系列生成不同的 y 軸刻度（如下所示）。

library(fpp3)
lambda2 <- tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  features(Cost, features = guerrero)

lambda2
#> # A tibble: 3 x 2
#>   Concession   lambda_guerrero
#>   <chr*>                 <dbl>
#> 1 Concessional           0.252
#> 2 General                0.658
#> 3 <aggregated>           0.364

tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  # Add lambda to the dataset, matching based on the key variable
  left_join(lambda2, by = "Concession") %>% 
  autoplot(box_cox(Cost, lambda_guerrero))

tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  # Add lambda to the dataset, matching based on the key variable
  left_join(lambda2, by = "Concession") %>% 
  autoplot(box_cox(Cost, lambda_guerrero)) + 
  facet_grid(rows = vars(Concession), scales = "free_y")

^{由代表 package (v0.3.0) 於 2021 年 1 月 9 日創建}