R语言中单变量时间序列插补的不同方法比较
应用统计
2015-10-15 v1 其他计算机科学
摘要
数据集中的缺失值是一个众所周知的问题，且有大量R包提供插补函数。尽管R中通用插补覆盖良好，但很难找到用于单变量时间序列插补的函数。问题在于，大多数标准插补技术无法直接应用。多数算法依赖于属性间相关性，而单变量时间序列插补需要利用时间依赖性。本文概述了单变量时间序列插补的一般情况，并深入剖析了R包中的相应实现。此外，我们使用四种不同缺失数据比例，在不同时间序列上实验比较了这些R函数。结果表明，在本文评估的大多数场景中，使用zoo包的季节性卡尔曼滤波插值或对forecast包的季节性loess分解数据进行线性插值，是处理缺失数据最有效的方法。
引用
@article{arxiv.1510.03924,
title = {Comparison of different Methods for Univariate Time Series Imputation in R},
author = {Steffen Moritz and Alexis Sardá and Thomas Bartz-Beielstein and Martin Zaefferer and Jörg Stork},
journal= {arXiv preprint arXiv:1510.03924},
year = {2015}
}