如何確定時間序列的滯後？

我正在研究時間序列問題，並想分解以獲取有關滯後的一些基本信息。目標是基於變化變量的變化來評估輸出變量的滯後，這是下面示例data.frame的一部分。完整的data.frame有更多的數據，但是它全部按周排列，並且遵循與此示例相同的結構。如何確定時間序列的滯後？

year <- c(2010,2010,2010,2010) 
week <- c("P7W1","P7W2","P7W3","P7W4") 
output <- c(3295,4379,4284,4832) 
change <- c(1912,2177,1587,2708) 

timeTest <- data.frame(year,week,output,change)

我用下面的方法創建了一個時間序列對象。

timeObject <- ts(timeTest, start=c(2010,7), frequency=52)

然而，當我跑分解（timeObject）我得到了一個錯誤信息，說明我沒有或小於2個週期。我明顯錯過了一些東西，任何建議表示讚賞。

來源

2011-03-14 analyticsPierce

爲了運行decompose（）或其表親stl（），您需要至少有兩個完整的數據週期。週期定義爲1 /頻率。因此，如果您正在處理頻率爲52的每週數據，則您的期限爲一年，您需要兩年的數據。

例如，運行分解（）與數據組103周將失敗：

decompose(ts(runif(103), frequency=52)) 

Error in decompose(ts(runif(103), frequency = 52)) : 
    time series has no or less than 2 periods

但運行分解（）與104個數據點的工作原理：

decompose(ts(runif(104), frequency=52)) 

$seasonal 
Time Series: 
Start = c(1, 1) 
End = c(2, 52) 
Frequency = 52 
    [1] -0.015447737 0.392006955 0.185528936 0.372505618 -0.079588619 
    [6] -0.351928149 -0.472617951 -0.306461367 -0.475596801 0.266197693 
[11] 0.167468113 -0.332837411 -0.427845149 -0.001199151 0.276361737 
... 
$type 
[1] "additive" 

attr(,"class") 
[1] "decomposed.ts"

PS。你可能還想看一下計算自相關的acf（）。即使您的數據少於兩年，這也可以工作。例如：

ACF（TS（runif（100），頻率= 52））

enter image description here

來源

2011-03-14 10:17:12 Andrie

感謝清晰和詳細的解答。如果我改變頻率到一個較低的數字將獲得decompose（）函數運行？如果是的話，分析仍然有意義嗎？ – analyticsPierce 2011-03-14 14:23:32

是的，那麼函數將運行。這是否有意義取決於你的數據和你對結果的解釋。 – Andrie 2011-03-14 15:14:59

如何確定時間序列的滯後？

回答

相關問題