利用多指标分解时间序列：DisaggregateTS包概述
统计方法学
2026-04-14 v1
摘要
低频时间序列(如季度数据)常被视为插值到更高频率的基准，因为相较于政府公布的对应高频数据(如月度数据)，它们通常表现出更高的精度与准确性。文献中已提出一系列基于回归的方法，旨在利用更高频率的指标来估计目标高频序列。然而，在大数据时代以及大量行政数据源盛行的背景下，有必要将传统方法扩展至高维设置，即指标数量与低频样本数量相当或更多。DisaggregateTS包包含了经典的基于回归的分解方法以及近期面向高维设置的扩展，参见Mosley等人(2022)。本文提供了通过R语言中该包实现这些方法的指导，并展示了它们在分解CO2排放中的应用。
引用
@article{arxiv.2311.14867,
title = {Disaggregating Time-Series with Many Indicators: An Overview of the DisaggregateTS Package},
author = {Luke Mosley and Kaveh Salehzadeh Nobari and Giuseppe Brandi and Alex Gibberd},
journal= {arXiv preprint arXiv:2311.14867},
year = {2026}
}