如何在R或Matlab中将这个不规则的时间序列转换（插值）为一个规则间隔的序列？

Question

如何在R或Matlab中将这个不规则的时间序列转换（插值）为一个规则间隔的序列？

rtime-seriesforecastingmatlabinterpolation

5

我有以下数据：

Lines = "20/03/2014,9996792524
21/04/2014,8479115468
21/09/2014,11394750532
16/10/2014,9594869828
18/11/2014,10850291677
08/12/2014,10475635302
22/01/2015,10116010939
26/02/2015,11206949341
20/03/2015,11975140317
09/04/2015,11526960332
29/04/2015,9986194500
16/09/2015,11501088256
13/10/2015,11833183163
10/11/2015,13246940910
16/12/2015,13255698568
27/01/2016,13775653990
23/02/2016,13567323648
22/03/2016,14607415705
11/04/2016,13835444224
04/04/2016,14118970743"

我将此读入R：

z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = "%d/%m/%Y")

我希望能对数据进行插值，以便将这个不规则间隔的时间序列转化为一个规则的时间序列。时间间隔并不重要，只要是规律的，每月、每周或每两周一次都可以。

我该如何在R或Matlab中实现这一功能？

注意：我知道插值值可能不是非常准确，并且可能会误导信息，但我需要学习如何做到这一点，即使失去一些准确性也没有关系。

- learnerX

你可以根据数据点之间的值建立一个模型，但简单的事实是，你无法知道你没有测量的数据的价值。 - Sycorax

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- DeltaIV · Accepted Answer

首先要警告一下：如果您打算插值，然后进行测试或通用统计估计，除非您有一些充分的理由（领域知识？）认为您的插值方法将生成与原始点相同分布的点，否则您的结果会（严重）偏差。而且，“图表看起来不错”不是评估这一点的好标准:)

话虽如此，让我们来看看数据：

# Lines contains your data
library(zoo)
fmt <- "%d/%m/%Y" 
z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = fmt)
t <- time(z)
plot(z,type="p",xaxt="n",pch=19,col="cyan",cex=1.5)
labs <- format(t,fmt)
axis(side = 1, at = t, labels = labs,cex.axis = 0.7)

看起来你缺失的数据大部分属于2014年夏季和2015年夏季。我很想知道这些数据是什么...无论如何，看起来你的大部分数据至少相隔2周：

diff(t)
# Time differences in days
# [1] 153  25  33  20  45  35  22  20  20 140  27  28  36  42  27  28  13   7

因此，让我们通过首先创建一个虚拟的zoo对象来将其插值为双周系列：

t.biweekly <- seq(from = min(t), to=max(t),by="2 weeks")
dummy <- zoo(,t.biweekly)

合并虚拟序列和你自己的序列：

z.interpolated <- merge(z,dummy,all=TRUE)

如果您查看新系列，您会发现在dummy的所有时间点上都存在没有对应时间的NA值在z中。让我们用线性插值的方法填充这些点并查看结果：

z.interpolated <- na.approx(z.interpolated)
plot(z.interpolated, type = "b")
points(z,pch=19,col="cyan",cex=1.5)

看，这个东西建模进行推理是不好的...