如何在 R 或 Matlab 中将这个不规则间隔的时间序列转换（插值）成规则间隔的时间序列？

Question

我有以下数据：

Lines = "20/03/2014,9996792524
21/04/2014,8479115468
21/09/2014,11394750532
16/10/2014,9594869828
18/11/2014,10850291677
08/12/2014,10475635302
22/01/2015,10116010939
26/02/2015,11206949341
20/03/2015,11975140317
09/04/2015,11526960332
29/04/2015,9986194500
16/09/2015,11501088256
13/10/2015,11833183163
10/11/2015,13246940910
16/12/2015,13255698568
27/01/2016,13775653990
23/02/2016,13567323648
22/03/2016,14607415705
11/04/2016,13835444224
04/04/2016,14118970743"

我将这个读入 R：

z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = "%d/%m/%Y")

我希望插入数据，以便我可以将这个不规则间隔的时间序列转换为常规时间序列。时间间隔无关紧要，只要它是定期的，但每月、每周或每两周的时间间隔都可以。

如何在R 或Matlab 中执行此操作？

注意：我意识到插值可能不是很准确，并且可能会歪曲信息，但是我需要学习如何做到这一点，并且我可以失去一些准确性。

Answer 1

好的，首先，警告：如果您要进行插值然后执行测试或通用统计估计，您的结果将（严重）有偏差，除非您有充分的理由（领域知识？）假设您的插值方法将生成来自原始点的相同分布的点。不，“情节看起来不错”不是评估这一点的好标准:) 话虽如此，让我们来看看数据：

# Lines contains your data
library(zoo)
fmt <- "%d/%m/%Y" 
z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = fmt)
t <- time(z)
plot(z,type="p",xaxt="n",pch=19,col="cyan",cex=1.5)
labs <- format(t,fmt)
axis(side = 1, at = t, labels = labs,cex.axis = 0.7)    

看起来您丢失的大部分数据都与 2014 年夏季和 2015 年夏季有关。我很想知道这些数据是什么...无论如何，您的大部分数据看起来至少相隔 2 周：

diff(t)
# Time differences in days
# [1] 153  25  33  20  45  35  22  20  20 140  27  28  36  42  27  28  13   7

因此，让我们通过首先创建一个虚拟 zoo 对象来插入双周系列：

t.biweekly <- seq(from = min(t), to=max(t),by="2 weeks")
dummy <- zoo(,t.biweekly)

将虚拟系列与你的合并：

z.interpolated <- merge(z,dummy,all=TRUE)

如果您查看新系列，您会发现dummy 的所有时间都有 NA 值，而z 中没有对应的时间。让我们用线性插值填充这些点并查看结果：

z.interpolated <- na.approx(z.interpolated)
plot(z.interpolated, type = "b")
points(z,pch=19,col="cyan",cex=1.5)

瞧！请记住，从这件事中构建推理模型是个坏主意……