R의 초 / 분 간격 데이터에 대한 "주파수"값


28

예측을 위해 R (3.1.1) 및 ARIMA 모델을 사용하고 있습니다. 다음과 같은 시계열 데이터를 사용하는 경우 함수에 할당 된 "frequency"매개 변수ts()무엇인지 알고 싶습니다 .

  1. 분 단위로 구분되며 180 일에 걸쳐 분산 됨 (1440 분 / 일)
  2. 초 단위로 구분되며 180 일 (86,400 초 / 일)에 걸쳐 분산됩니다.

정의를 올바르게 기억하면 R에서 ts의 "빈도"는 "시즌"당 관측치의 수입니다.

질문 1 부 :

내 경우 "계절"은 무엇입니까?

시즌이 "하루"인 경우 분의 "빈도"는 1440 = 86,400 (초)입니까?

질문 부분 2 :

"빈도"도 달성 / 예측하려는 대상에 따라 달라질 수 있습니까? 예를 들어 제 경우에는 매우 단기적인 예측을하고 싶습니다. 매 10 분마다 한 걸음 앞서 나가십시오. 그렇다면 계절을 하루 대신 한 시간으로 간주 할 수 있습니까? 이 경우 빈도 = 60 분, 빈도 = 3600 초?

예를 들어 분 데이터에 주파수 = 60을 사용하려고 시도했지만 주파수 = 1440에 비해 더 나은 결과를 얻었습니다 ( fourierHyndman의 아래 링크 참조) http://robjhyndman.com/hyndsight/forecasting-weekly-data/

(예측 정확도 측정을 위해 MAPE를 사용하여 비교했습니다)

임의의 결과가 완료되고 주파수를 변경할 수없는 경우. 실제로 내 데이터에 freq = 60을 사용하는 해석은 무엇입니까?

또한 데이터에 1 시간 및 2 시간마다 계절 데이터가 포함되어 있다고 언급 할 가치가 있다고 생각합니다 (원시 데이터 및 자동 상관 함수 관찰).

답변:


38

"빈도"는 "사이클"당 관측치 수 (일반적으로 1 년, 때로는 1 주일, 1 일, 1 시간 등)입니다. 이것은 물리학 또는 푸리에 분석에서 주파수 정의와 반대입니다. 여기서 "주기"는주기의 길이이고 "주파수"는주기의 역입니다. ts()R 에서 함수를 사용할 때 다음 선택 사항을 사용해야합니다.

Data      frequency
Annual     1
Quarterly  4
Monthly   12
Weekly    52

실제로 1 년 동안 52 주가 아니라 평균 365.25 / 7 = 52.18입니다. 그러나 ts객체 를 사용하는 대부분의 함수 에는 정수 주파수가 필요합니다.

관측 빈도가 일주일보다 작 으면 대개 빈도를 처리하는 여러 가지 방법이 있습니다. 예를 들어, 1 분마다 관찰되는 데이터는 시간별 계절성 (빈도 = 60), 일일 계절성 (빈도 = 24x60 = 1440), 주별 계절성 (빈도 = 24x60x7 = 10080) 및 연간 계절성 (빈도 = 24x60x365.25 = 525960). ts객체 를 사용 하려면 가장 중요한 객체를 결정해야합니다.

대안은 여러 계절 시계열을 처리 하는 msts객체 ( forecast패키지에 정의 된 )를 사용하는 것 입니다. 그런 다음 관련이있을 수있는 모든 주파수를 지정할 수 있습니다. 정수가 아닌 주파수를 처리 할 수있을 정도로 유연합니다.

이러한 주파수를 모두 포함하고 싶지는 않을 것입니다. 데이터에있을 가능성이있는 주파수 만 포함하십시오. 180 일의 데이터 만 있으므로 연간 계절성을 무시할 수 있습니다. 데이터가 자연 현상 (예 : 온도)을 측정 한 경우 주간 계절성을 무시할 수도 있습니다.

여러 계절에 따라 회귀 또는 ARIMA 모델에서 TBATS 모델 또는 푸리에 항을 사용할 수 있습니다. fourier예측 패키지 의 함수는 msts개체 를 처리 합니다.


이 답변에 변화는 내 블로그에 게시되어 있습니다 robjhyndman.com/hyndsight/seasonal-periods
롭 Hyndman을

Hyndman 교수님, 귀하의 게시물에 대단히 감사합니다! 질문에 답변 해 주셔서 감사합니다.
Apython
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.