r - 如何确定时间序列的滞后？

Question

我正在处理时间序列问题，并希望分解以获取有关滞后的一些基本信息。目标是根据作为下面示例 data.frame 的一部分的 change 变量的变化来评估输出变量的滞后。完整的 data.frame 有更多的数据，但都是按周计算的，并遵循与此示例相同的结构。

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)

我用以下内容创建了一个时间序列对象。

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

但是，当我运行分解(timeObject) 时，我收到一条错误消息，指出我没有或少于 2 个周期。我显然在这里遗漏了一些东西，任何建议表示赞赏。

Answer 1

为了运行分解()或其表亲 STL()，您需要至少有两个完整的
数据周期。周期定义为 1/频率。因此，如果您正在处理每周数据，其中频率 = 52，那么您的周期是一年，您需要两年的数据。

例如，使用 103 周的数据集运行分解()将失败:

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

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

但是使用 104 个数据点运行分解()有效:

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"

附注。您可能还想看看 acf() 将计算自相关。即使您只有不到两年的完整数据，这也将起作用。例如:

acf(ts(runif(100), 频率=52))