在 R 中使用海洋函数调整季节性时间序列时的问题答案

【问题标题】：Problems when adjusting time series for seasonality with seas function in R在 R 中使用海洋函数调整季节性时间序列时的问题
【发布时间】：2021-02-08 00:07:12
【问题描述】：

当我尝试在 R 中调整我的季度时间序列数据集以适应季节性时遇到问题。我已将数据集“ASPUS”加载到 R 并使用以下代码指定它的日期：

ASPUS <- read.csv(file = "ASPUS.csv", header=TRUE, sep=",")
ASPUS$DATE <- as.Date(ASPUS$DATE, "%Y-%m-%d")

数据集的头部如下所示：

        DATE     ASPUS
1 1963-01-01 100.00000
2 1963-04-01 100.51813
3 1963-07-01  99.48187
4 1963-10-01 101.55440
5 1964-01-01 101.55440

数据集的目的是将其作为时间序列进行分析。因此，我使用 ts 函数来创建时间序列对象：

ASPUSts <- ts(ASPUS, frequency = 4, start = 1963)

但是，此函数在日期列中返回负数，如下所示：

         DATE     ASPUS
1963 Q1 -2557 100.00000
1963 Q2 -2467 100.51813
1963 Q3 -2376  99.48187
1963 Q4 -2284 101.55440
1964 Q1 -2192 101.55440
1964 Q2 -2101 104.66321

我的问题出现在下一步，我尝试使用 seas 函数调整季节性：

ASPUS1 <- seas(ASPUSts)

因为我收到此错误：

    Error: X-13 run failed

Errors:
- Seasonal MA polynomial with initial parameters is
  noninvertible with root(s) inside the unit circle. RESPECIFY
  model with different initial parameters.

Warnings:
- Automatic transformation selection cannot be done on a series
  with zero or negative values.
- The covariance matrix of the ARMA parameters is singular, so
  the standard errors and the correlation matrix of the ARMA
  parameters will not be printed out.
- The covariance matrix of the ARMA parameters is singular, so
  the standard errors and the correlation matrix of the ARMA
  parameters will not be printed out.

是否有人对我如何处理这些负值或以其他方式解决问题有任何建议，以便我可以对我的数据集进行季节性调整？

【问题讨论】：

标签： r time-series

【解决方案1】：

根据?ts：

说明：

 The function ‘ts’ is used to create time-series objects.

 ‘as.ts’ and ‘is.ts’ coerce an object to a time-series and test
 whether an object is a time series.

用法：

 ts(data = NA, start = 1, end = numeric(), frequency = 1,
    deltat = 1, ts.eps = getOption("ts.eps"), class = , names = )
 as.ts(x, ...)
 is.ts(x)

参数：

data: a vector or matrix of the observed time-series values. A data
      frame will be coerced to a numeric matrix via ‘data.matrix’.
      (See also ‘Details’.)

这里，要注意的关键是：“数据：观察到的时间序列值的向量或矩阵”。 IE。您不应输入日期向量作为ts 的输入。

这是ts 的正确语法。

ASPUSts <- ts(ASPUS$ASPUS, frequency = 4, start = 1963)

在您的示例中，seas 实际上是在尝试季节性调整转换为 -2557、-2467、... 的日期时间序列（旁注：内部 R 将日期计算为与 1970-01-01 的差异; 这就是为什么 60 年代的日期显示为负数）。

【讨论】：