在 R 中重建季节性（和非季节性）差异数据答案

【问题标题】：Reconstruct seasonally (and non seasonally) differenced data in R在 R 中重建季节性（和非季节性）差异数据
【发布时间】：2022-01-11 04:27:09
【问题描述】：

我已经使用季节性和非季节性差异获得了用于 arima (see) 预测的固定数据。现在如何使用差异数据恢复到原始日期？

raw <- read.csv("https://raw.githubusercontent.com/thistleknot/Python-Stock/master/data/combined_set.csv",row.names=1,header=TRUE)

temp <- raw$CSUSHPINSA

#tells me to seasonally difference 1 time
print(nsdiffs(ts(temp,frequency=4)))

temp_1 <- temp-dplyr::lag(temp,1*season)

#tells me I need to difference it once more
print(ndiffs(temp_2))

temp_2 <- temp_1-dplyr::lag(temp_1,1)

#shows data is somewhat stationary
plot(temp_2)

#gives me back the original dataset if I only had seasonal differencing
na.omit(dplyr::lag(raw$CSUSHPINSA ,4)+temp_1)

#how to do this with temp_2?

一些参考资料 Pandas reverse of diff() Reverse Diff function in R

【问题讨论】：

标签： r difference

【解决方案1】：

没关系，我明白了

dplyr::lag(raw$CSUSHPINSA ,4) + dplyr::lag(temp_1,1)+temp_2

更完整的例子

temp <- raw$MSPUS

#print(nsdiffs(ts(temp,frequency=4)))

#temp_1 <- temp-dplyr::lag(temp,1*season)

print(ndiffs(temp_1))

temp_1 <- temp-dplyr::lag(temp,1)
temp_2 <- temp_1-dplyr::lag(temp_1,1)

#forecast values of temp_2
temp_3 <- dplyr::lag(temp_1,1)+temp_2

temp_4 = (dplyr::lag(raw$MSPUS ,1) + temp_3)

new_temp_2_values = c(8000,10000)

extended <- c(temp_4,tail(c(c(temp_3),tail(temp_4,1)+cumsum(tail(temp_3,1)+cumsum(new_temp_2_values))),length(new_temp_2_values)))

print(extended)

在这里写了一个更复杂的版本 https://gist.github.com/thistleknot/eeaf1631f736e20806c37107f344d50e

【讨论】：