Как мы можем обнаружить и удалить переменные с промежуточными НП и рассчитать АКФ для нескольких временных рядов?

Question

Вот данные моего игрушечного временного ряда:

library(tidyverse); library(tsibble); library(feasts)

df <- tibble::tribble(
         ~date,     ~A,     ~B,     ~C,
   "1/31/2010",     NA,  0.017,     NA,
   "2/28/2010",     NA,  0.027,     NA,
   "3/31/2010",     NA,  0.003,  0.003,
   "4/30/2010", -0.022,  0.018,  0.018,
   "5/31/2010", -0.036,   0.02,   0.02,
   "6/30/2010", -0.046,  0.023,  0.023,
   "7/31/2010",     NA,  0.027,  0.027,
   "8/31/2010", -0.022,  0.008,  0.008,
   "9/30/2010",  0.059, -0.003, -0.003,
  "10/31/2010",  0.024,  0.058,  0.058,
  "11/30/2010",     NA,  0.023,     NA,
  "12/31/2010",     NA,  0.014,     NA
  )
    

Я хочу рассчитать автокорреляцию (acf) нескольких временных рядов. Игнорируя часть вменения, мне нужно:

1. Удалите переменные с промежуточными NA (не в начале и конце временного ряда), например NA 31.07.2010 для A. Итак, в этом случае удалите переменную A.
2. Рассчитайте автокорреляцию, потенциально используя функцию ACF из пакета праздников на B и C.

Я тут начал и застрял:

df %>%
      mutate(date = mdy(date)) %>% 
      pivot_longer(cols = -date) %>% 
      as_tsibble(key = name, index = date) %>% 
      ACF() 

Ожидаемый результат будет иметь автокорреляцию всех возможных серий с задержкой. Как B будет иметь 10-11 значений для 10 лагов и то же самое для серии B

Answer 1

Что касается части 1

Мы можем использовать rle. Определим краткую настраиваемую функциюhas_middle_NA

has_middle_NA <- function(x) {
    rl <- rle(is.na(x))$values
    any(rl[-c(1, length(rl))])
}

потом

df %>%
    group_by(date) %>%
    select_if(~ !has_middle_NA(.x)) %>%
    ungroup()
## A tibble: 12 x 3
#   date            B      C
#   <chr>       <dbl>  <dbl>
# 1 1/31/2010   0.017 NA
# 2 2/28/2010   0.027 NA
# 3 3/31/2010   0.003  0.003
# 4 4/30/2010   0.018  0.018
# 5 5/31/2010   0.02   0.02
# 6 6/30/2010   0.023  0.023
# 7 7/31/2010   0.027  0.027
# 8 8/31/2010   0.008  0.008
# 9 9/30/2010  -0.003 -0.003
#10 10/31/2010  0.058  0.058
#11 11/30/2010  0.023 NA
#12 12/31/2010  0.014 NA

Это удаляет все столбцы с NAs, не ведущие и не замыкающие.

Что касается части 2

Мне все еще не совсем понятно, что вы пытаетесь сделать с ACF на основе предоставленных вами данных; но, возможно, это помогает.

Главное - рассматривать ваши данные как данные за месяц, игнорируя день. Тогда мы можем:

• Преобразуйте свои данные в ежемесячные данные, используя zoo::yearmon,
• Выберите те столбцы, в которых нет NAs "посередине",
• Преобразование от широкого к длинному и создание tsibble из каждого столбца,
• Использовать feasts::ACF чтобы вычислить ACF для каждого столбца и сохранить результат в list столбец tsibbles

library(tsibble)
library(tidyverse)
library(feasts)
library(zoo)
df <- df %>%
    mutate(date = as.yearmon(date, format = "%m/%d/%Y")) %>%
    group_by(date) %>%
    select_if(~ !has_middle_NA(.x)) %>%
    ungroup() %>%
    pivot_longer(-date) %>%
    group_by(name) %>%
    nest() %>%
    mutate(
        data = map(data, as_tsibble),
        ACF = map(data, ACF))
## A tibble: 2 x 3
## Groups:   name [2]
#  name  data               ACF
#  <chr> <list>             <list>
#1 B     <tsibble [12 × 2]> <tsibble [10 × 2]>
#2 C     <tsibble [12 × 2]> <tsibble [7 × 2]>