时间序列分析适用性？

Question

我有这样一个示例数据框架(日期列格式为mm-dd-YYYY)：

date            count     grp
01-09-2009       54        1
01-09-2009       100       2
01-09-2009       546       3
01-10-2009       67        4
01-11-2009       80        5
01-11-2009       45        6

我想使用ts()将此数据帧转换为时间序列，但问题是:当前的数据帧具有相同日期的多个值。在这种情况下，我们能应用时间序列吗？

• 我能否将数据帧转换成时间序列，并建立一个每天可以预测计数值的模型(ARIMA)？
• 或者我应该根据grp预测计数值，但是在这种情况下，我必须只选择grp和数据帧的计数列。因此，在这种情况下，我必须跳过日期列，而每天预测计数值是不可能的？
• 假设我想以每天为基础来汇总计数值。我尝试使用聚合函数，但是我们必须指定日期值，但是我有一个非常大的数据集？在r中还有其他的选择吗？

能否有人，请，建议，如果有一个更好的方法跟随？我的假设是时间序列预测只适用于二元数据？这个假设对吗？

Answer 1

你的问题似乎有两个方面：

我想使用ts()将这个数据帧转换成时间序列，但问题是-当前的数据帧具有相同日期的多个值。在这种情况下，我们能应用时间序列吗？

如果您乐于使用xts包，您可以尝试：

dta2$date <- as.Date(dta2$date, "%d-%m-%Y")
dtaXTS <- xts::as.xts(dta2[,2:3], dta2$date)

这将导致：

>> head(dtaXTS)
           count grp
2009-09-01    54   1
2009-09-01   100   2
2009-09-01   546   3
2009-10-01    67   4
2009-11-01    80   5
2009-11-01    45   6

下列课程中：

>> class(dtaXTS)
[1] "xts" "zoo"

然后，您可以使用时间序列对象作为单变量时间序列，并引用所选变量或多变量时间序列，例如使用https://cran.r-project.org/web/packages/PerformanceAnalytics/PerformanceAnalytics.pdf包：

PerformanceAnalytics::chart.TimeSeries(dtaXTS)

​

​

侧点

关于你的第二个问题：

有人能告诉我什么是更好的方法，我的假设是时间序列预测只适用于二元数据吗？这个假设也是对的吗？

国际水文学组织这是相当广泛的。我建议您使用已创建的xts对象，并详细说明您想要使用的模型，以及为什么，如果这是一个关于时间序列分析性质的概念性问题，您可能更愿意在CrossValidated上发布您的后续问题。

数据来源于：dta2 <- read.delim(pipe("pbpaste"), sep = "")，使用提供的示例。

Answer 2

因为我们需要每天的预测，所以我们需要每天进行汇总。最后使用注释中的DF，使用read.zoo和参数aggregate=sum将前两列数据读入动物园系列z。我们可以选择将其转换为"ts"系列(tser <- as.ts(z))，尽管这对于许多预测函数来说是不必要的。特别是，通过查看auto.arima的源代码，我们可以看到它在进一步处理之前对其输入运行x <- as.ts(x)。最后运行auto.arima、forecast等预测功能。

library(forecast)
library(zoo)

z <- read.zoo(DF[1:2], format = "%m-%d-%Y", aggregate = sum)

auto.arima(z)

forecast(z)

注： DF在这里可重复使用：

Lines <- "date            count     grp
01-09-2009       54        1
01-09-2009       100       2
01-09-2009       546       3
01-10-2009       67        4
01-11-2009       80        5
01-11-2009       45        6"
DF <- read.table(text = Lines, header = TRUE)

更新:重新阅读问题后修订的。