Аз съм напълно нов в R и току-що започнах да го използвам. Имам три години седмични данни. Искам да разложа тези данни от времеви серии на трендови, сезонни и други компоненти. Имам следните съмнения:
ts()или decompose()Моля, поправете ме, ако греша, честотата е 52.
Благодаря предварително. Наистина ще се радвам на всякакъв вид помощ.
Добре дошли в R!
Да, честотата е 52.
Ако данните все още не са класифицирани като времеви серии, ще ви трябват както ts(), така и decompose(). За да намерите класа на набора от данни, използвайте class(data). И ако върне "ts", вашите данни вече са времеви серии, що се отнася до R. Ако върне нещо друго, като "data.frame", тогава ще трябва да го промените на времеви серии. Присвоете променлива на ts(data) и проверете отново класа, за да се уверите.
Има месечен набор от времеви серии sunspot.month, който вече е зареден в R, върху който можете да практикувате. Ето един пример. Можете също да прочетете помощния файл за decompose, като напишете ?decompose
class(sunspot.month)
[1] "ts"
> decomp <- decompose(sunspot.month)
> summary(decomp)
Length Class Mode
x 2988 ts numeric
seasonal 2988 ts numeric
trend 2988 ts numeric
random 2988 ts numeric
figure 12 -none- numeric
type 1 -none- character
> names(decomp)
[1] "x" "seasonal" "trend" "random" "figure" "type"
> plot(decomp) # to see the plot of the decomposed time-series
Извикването на names показва, че можете също да получите достъп до отделните данни на компонента. Това може да стане с оператора $. Например, ако искате да разгледате само сезонния компонент, използвайте decomp$seasonal.
stl()за разлагане на седмичните данни на тези компоненти? И двете ще ми дадат ли различни резултати? 17.02.2014decompose-- Функциятаstlпредоставя много по-сложно разлагане. Разгледайте и двата помощни файла. Наред с другите разлики,stlизползва методи на Льос, аdecomposeизползва класическа автоматична регресия и модели на подвижна средна. Те няма да дадат същите резултати. 17.02.2014