J'ai actuellement des problèmes avec le paquet de prévisions 8.2 et la fonction thetaf:
dat<- structure(c(5, 0, 5, 0, 0, 2, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.9, 0, 2, 0, 1,
0, 2.1, 0, 2, 0, 1, 0, 0, 0, 2.5, 2, 2, 0, 1.7, 0, 1.5, 0, 1,
0, 0, 0, 2.5, 0), .Tsp = c(1999, 2003.91666666667, 12), class = "ts")
library(forecast)
thetaf(dat,h = 1)$mean
donne l'erreur suivante
Error in ets(object, lambda = lambda, allow.multiplicative.trend = allow.multiplicative.trend, :
y should be a univariate time series
Additional: Warnings:
1: In ets(x, "ANN", alpha = alpha, opt.crit = "mse", lambda = lambda, :
Missing values encountered. Using longest contiguous portion of time series
2: In fit$call <- match.call() : ...
L'erreur concerne la fréquence. Si c'est 1 au lieu de 12 alors ça marche. Je ne vois pas pourquoi cela pourrait causer une erreur. Des idées?
Réponses:
1 pour la réponse № 1Appliquée aux données saisonnières, la méthode thêta utilise une décomposition classique multiplicative pour supprimer la saisonnalité. Dans ce cas, la décomposition échoue:
> decompose(dat, type="multiplicative")
$x
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1999 5.0 0.0 5.0 0.0 0.0 2.0 0.0 0.0 0.0 0.0 0.0 0.0
2000 4.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2001 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.9 0.0 2.0 0.0
2002 1.0 0.0 2.1 0.0 2.0 0.0 1.0 0.0 0.0 0.0 2.5 2.0
2003 2.0 0.0 1.7 0.0 1.5 0.0 1.0 0.0 0.0 0.0 2.5 0.0
$seasonal
Jan Feb Mar Apr May Jun Jul Aug
1999 5.5063443 0.0000000 1.2804721 0.0000000 1.2020131 0.0000000 0.2851915 0.0000000
2000 5.5063443 0.0000000 1.2804721 0.0000000 1.2020131 0.0000000 0.2851915 0.0000000
2001 5.5063443 0.0000000 1.2804721 0.0000000 1.2020131 0.0000000 0.2851915 0.0000000
2002 5.5063443 0.0000000 1.2804721 0.0000000 1.2020131 0.0000000 0.2851915 0.0000000
2003 5.5063443 0.0000000 1.2804721 0.0000000 1.2020131 0.0000000 0.2851915 0.0000000
Sep Oct Nov Dec
1999 0.7674245 0.0000000 2.1696136 0.7889410
2000 0.7674245 0.0000000 2.1696136 0.7889410
2001 0.7674245 0.0000000 2.1696136 0.7889410
2002 0.7674245 0.0000000 2.1696136 0.7889410
2003 0.7674245 0.0000000 2.1696136 0.7889410
$trend
Jan Feb Mar Apr May Jun Jul Aug
1999 NA NA NA NA NA NA 0.9583333 0.9166667
2000 0.3333333 0.3333333 0.3333333 0.3333333 0.3333333 0.3333333 0.1666667 0.0000000
2001 0.0000000 0.0000000 0.0375000 0.0750000 0.1583333 0.2416667 0.2833333 0.3250000
2002 0.7083333 0.7500000 0.7125000 0.6750000 0.6958333 0.8000000 0.9250000 0.9666667
2003 0.8916667 0.8916667 0.8916667 0.8916667 0.8916667 0.8083333 NA NA
Sep Oct Nov Dec
1999 0.7083333 0.5000000 0.5000000 0.4166667
2000 0.0000000 0.0000000 0.0000000 0.0000000
2001 0.4125000 0.5000000 0.5833333 0.6666667
2002 0.9500000 0.9333333 0.9125000 0.8916667
2003 NA NA NA NA
$random
Jan Feb Mar Apr May Jun Jul Aug
1999 NA NaN NA NaN NA NA 0.0000000 NaN
2000 2.1793043 NaN 0.0000000 NaN 0.0000000 NaN 0.0000000 NaN
2001 NaN NaN 0.0000000 NaN 0.0000000 NaN 0.0000000 NaN
2002 0.2563887 NaN 2.3017827 NaN 2.3911982 NaN 3.7907196 NaN
2003 0.4073466 NaN 1.4889369 NaN 1.3995214 NaN NA NaN
Sep Oct Nov Dec
1999 0.0000000 NaN 0.0000000 0.0000000
2000 NaN NaN NaN NaN
2001 2.8430397 NaN 1.5802682 0.0000000
2002 0.0000000 NaN 1.2627714 2.8430397
2003 NA NaN NA NA
$figure
[1] 5.5063443 0.0000000 1.2804721 0.0000000 1.2020131 0.0000000 0.2851915 0.0000000
[9] 0.7674245 0.0000000 2.1696136 0.7889410
$type
[1] "multiplicative"
attr(,"class")
[1] "decomposed.ts"
Le problème se pose parce que les indices saisonniers sont nuls pour avril, juin, août et octobre. La division par l’indice saisonnier crée donc NaN valeurs.
J'ai résolu le problème (dans la v8.3 du paquet de prévisions) de procéder à une version non saisonnière de la méthode thêta lorsque cela se produit.