3

今回の私の質問は、技術的というよりも方法論的です。毎週更新される時系列データがあります。残念ながら、時系列は非常に不安定です。そこで、フィルター/スムージング法を適用したいと思います。Hodrick-PrescottとLOESSを試してみました。どちらの結果も良好に見えますが、過去のデータポイントとは大きく異なる新しいデータポイントが続く場合は、古い値を修正する必要があるか、変更する必要があります。誰かがRで実装されているメソッドを知っていますか？それは私が望むことをすることができますか？メソッド/関数の名前でおそらく完全に十分でしょう。ただし、時系列の最初のデータを失いたくないので、左側の移動平均よりも洗練されたものにする必要があります。すべての助けのコメントは大歓迎です！どうもありがとうございます！

よろしくお願いします、

アンドレアス

4

2 に答える 2

4

あなたが探しているかもしれない用語は因果的フィルタリング、つまり将来の値に依存しないフィルタリングだと思います（？）。このカテゴリ内で、おそらく最も単純で最もよく知られているアプローチは、指数平滑forecast法です。これは、およびexpsmoothパッケージ（ ）に実装されていますlibrary("sos"); findFn("{exponential smoothing}")。

それは役に立ちますか？

于 2012-02-13T19:49:01.340 に答える
3

頑丈な両面スムーザーが必要なようです。問題は、エンドポイントの外れ値がトレンドの突然の変化と見分けがつかないことです。さらにいくつかの観測値が収集された後、それが外れ値であることが明らかになるだけです（それでも、傾向の滑らかさのいくつかの強力な仮定が必要です）。

を上手くやるのは難しいと思いますがloess()、ロバストなスムージングを目的とした他の関数には次のものがあります。

  • smooth()テューキーのスムーザー用。
  • supsmu()フリードマンの超スムーズなもののために;

Hodrick-Prescott平滑化は、外れ値に対してロバストではありません。

于 2012-02-13T23:36:35.407 に答える