时间Wasserstein插补：时间序列插补的通用方法
统计方法学
2025-08-15 v3
摘要
缺失数据会显著阻碍标准时间序列分析，但它们在应用中频繁发生。在本文中，我们引入了时间Wasserstein插补，一种用于时间序列缺失数据插补的新方法。与大多数现有方法不同，我们的方法完全是非参数化的，避免了插补前对模型进行指定的需要，使其即使在具有非线性动力学的情况下也适用于实证应用。其原则性的算法实现可以无缝处理具有任何非系统性缺失模式的一元或多元时间序列。此外，缺失条目的合理范围和辅助信息（如盒式约束）可以轻松纳入。此外，我们的方法缓解了许多现有方法中常见的分布偏差，确保使用插补序列进行更可靠的下游统计分析。我们建立了交替最小化算法收敛到临界点的条件。我们还提供了在何种条件下底层时间序列的边缘分布可以被识别的条件。数值实验，包括涵盖线性和非线性时间序列的广泛模拟以及对一个真实世界地下水数据集的分析，证实了所提出方法的实用价值。
引用
@article{arxiv.2411.02811,
title = {Temporal Wasserstein Imputation: A Versatile Method for Time Series Imputation},
author = {Shuo-Chieh Huang and Tengyuan Liang and Ruey S. Tsay},
journal= {arXiv preprint arXiv:2411.02811},
year = {2025}
}