使用寓言分组预测的费率

Question

由于我对 R 的寓言很陌生，我想知道是否也可以在分组的时间序列中预测速率而不是计数。

这是我创建的 tsibble 的一个简短示例：

   head(data)
   # A tsibble: 6 x 5 [1Y]
   # Key:       sex, age [1]
   year sex   age   counts      pop
  <dbl> <chr> <chr>  <dbl>    <dbl>
1  2005 m     <50     1294 25986547
2  2006 m     <50     1417 26261652
3  2007 m     <50     1690 25712000
4  2008 m     <50     1827 25385000
5  2009 m     <50     1973 25037000
6  2010 m     <50     2076 24678000

如您所见，有两组：sex(m/f) 和agecategories(

我添加了一个发病率列

data%>%mutate(incidence=(counts/pop))

现在我想为发病率拟合一个 arima 模型：

# Fit model 
+     model(arima = ARIMA(incidene)) %>%
+     # reconcile
+     mutate(mint = min_trace(incidence)) %>%
+     # forecasts
+     forecast(h = 10)

但是，我不知道如何获得顶级系列组的发病率预测？对于计数数据，我会使用：

# create aggregates
+     aggregate_key(sex * age, value = (sum(counts))

但这仅包括不适用于发病率的计数总和...

也许有人可以帮助我？

提前致谢！

Answer 1

aggregate_key() 是正确的，这是与 fable 进行分层协调的第一步。您可以使用aggregate_key() 计算counts = sum(counts) 和pop = sum(pop) 的聚合，然后使用mutate() 计算incidence = counts / pop。

编辑：但是，由于比率不会在聚合中保留，因此比率本身不容易协调。