Дезагрегирование (интерполяция) годовых данных в квартальные данные с помощью R [дубликаты]

Мои данные имеют следующий вид:

df <- data.frame(year=c(1992:2015), share=c(31.9,   36.8,   38.2,   39.9,   36.3,   36.5,   35.6,   35.2,   34.8,   33.2,   33.5,   34.6,   
                                            36.3,   36.2, 38.1, 37.2,   35.9,   33.2,   36.9,   36.0,   33.9,   33.7,   34.3,   35.1))

Данные состоят из средних годовых значений. Я хочу преобразовать данные в средние квартальные значения, предполагая, что изменение является линейным.

Я пытался использовать library("tempdisagg") , но не могу заставить его работать. Я также пробовал некоторые другие подходы с library("splines") в статистике, но безрезультатно. Возможно, потому что я неправильно обрабатываю формат даты и временного ряда.

Чтобы уточнить, ожидаемый результат будет выглядеть примерно так:

y_q     share
1992q1  values
1992q2  values
1992q3  values
1992q4  values
1993q1  values
1993q2  values
1993q3  values
1993q4  values
1994q1  values
1994q2  values
1994q3  values
1994q4  values

Любая помощь приветствуется.


r interpolation time-series cubic-spline
person EconRA    schedule 17.08.2016    source источник

Ответы (2)


arrow_upward
0
arrow_downward

Функция "приблизительно" может выполнять линейную интерполяцию значений, необходимых для вывода.

#create sequence of dates
quarter<-seq(as.Date("1992-01-01"), as.Date("2015-01-01"), by="quarter")
#create the linear interploated values
estshare<-approx(df$share, n=length(quarter))
newdf<-data.frame(quaters<-quarter, share<-estshare$y)

В этом случае я предполагаю, что цены на акции были с первого дня года. Если это было среднее значение, вы можете изменить начальную и конечную дату последовательности дат, «квартал» с первого года на середину года.

person Dave2e    schedule 17.08.2016

arrow_upward
0
arrow_downward

С линейной годовой интерполяцией вы можете попробовать это с базовым пакетом:

    annual <- data.frame(year=c(1992:2015), share=c(31.9, 36.8, 38.2, 39.9,  36.3, 36.5, 35.6, 35.2, 34.8, 33.2, 33.5, 34.6, 36.3, 36.2, 38.1, 37.2, 35.9, 33.2, 36.9, 36.0, 33.9, 33.7, 34.3, 35.1))
# Annual delta for interpolation
annual$delta<-c(NA, diff(annual$share,1))
# Quarterly table
ref<-data.frame(quarter=paste0("Q", 1:4), nb=1:4)
quart<-merge(annual, ref)
quart<-quart[order(quart$year, quart$quarter),]

# quarterly value calculation with evolution (loop)
quart$quarterly<-NA
quart$quarterly[1:4]<-quart$share[1:4]/4

for (i in (2:dim(annual)[1])) {     
quart$quarterly[quart$year==annual$year[i]] <- sum(quart$quarterly[quart$year==annual$year[i-1]])/4+ (quart$delta[quart$year==annual$year[i]] * quart$nb[quart$year==annual$year[i]])/10
 }
# /10 : /(1+2+3+4)
# Check :
summary(annual$share == aggregate(quarterly ~ year, data=quart, FUN=sum)[,2])
plot(quart$quarterly, typ="l")

Это может быть некрасиво, но я предпочитаю использовать базовые функции, чтобы понять лежащие в их основе, чтобы я мог адаптировать свой код к другим ситуациям.

person Jean-Noël    schedule 18.08.2016