每周数据的 X-13 Arima Seats 不起作用答案

【问题标题】：X-13 Arima Seats with weekly data does not work每周数据的 X-13 Arima Seats 不起作用
【发布时间】：2018-07-11 23:48:35
【问题描述】：

我正在使用 R 并且我有每周数据（总共 660 次观察），我想使用季节性包中的 X-13 Arima-Seats 来对我的数据进行季节性调整。我将数据存储在 ts 对象中：

library(lubridate)
x <- ts(data, freq=365.25/7, start=decimal_date(ymd("2004-02-01")))
library(seasonal)
x_sa <- seas(x)

但是，我得到了错误：

Error: X-13 run failed

Errors:
- Seasonal period too large. See Section 2.7 of the Reference Manual on program limits
- Expected argument name or "}" but found ".1785714285714"
- Time series could not be read due to previously found errors
- Expected specification name but found "}"
- Specify series before user-defined adjustments
- Need to specify a series to identify outliers

我也尝试了较短的时间，但错误仍然相同。

【问题讨论】：

抱歉，不行。 X13-ARIMA-SEATS 只能按季度或按月进行。
参考手册是here，它的第 2.8 节（不是 2.7）有限制：最大频率 = 12（每月）和最大点数 = 780。

标签： r time-series arima

【解决方案1】：

我会按月平均你的每周数据并运行以下 ts 对象：

ts(data, freq=12, start=c(2004,2))

您将失去一些数据粒度，转换为月而不是周，但季节性软件包至少能够处理您的数据。

【讨论】：

【解决方案2】：

尝试 STL（使用黄土进行季节和趋势分解）。您可以将它与任何类型的季节性一起使用，不仅是每月和每季度。

它具有自动分解 mstl()。因此，对于您的数据，公式为：

x_sa

t.window 和 s.window 函数有调整参数，您可以控制趋势周期和季节性组件的速度改变。您可以从 Rob J Hyndman 和 George Athanasopoulos 的“预测：原则与实践”一书中获得更多详细信息。在“时间序列分解”部分。

【讨论】：