Utiliser ARMA lorsque des données sont manquantes

8

J'utilise ARMA sur un ensemble de données avec des échantillons manquants. Comment les traiter? Souhaitez-vous suggérer de faire une interpolation linéaire / non linéaire ou simplement de les garder à l'écart et de considérer deux échantillons avec des données manquantes entre les deux comme échantillons consécutifs?

time-series  arima  missing-data  fitting  interpolation 
— Bob
source

Réponses:

9

Il n'y a rien à faire. Un modèle ARMA peut facilement être estimé avec des valeurs manquantes dans la série chronologique. Vous devez utiliser la représentation de l'espace d'état d'un modèle ARMA pour calculer la probabilité. Si vous utilisez R, cela est déjà géré automatiquement via la arima()fonction.

— Rob Hyndman
source
Merci pour votre commentaire. Que voulez-vous dire exactement en calculant la probabilité? Êtes-vous en train de dire que je devrais faire une sorte de régression pour les échantillons manquants?
— Bob
5
La meilleure approche pour estimer un modèle ARMA est l'estimation du maximum de vraisemblance. Pour ce faire, vous devez calculer la probabilité des données compte tenu du modèle et des paramètres. Tout logiciel ARMA décent le fera, mais tous ne le font pas en utilisant une représentation de l'espace d'états qui est nécessaire pour gérer les valeurs manquantes.
— Rob Hyndman
pourriez-vous, s'il vous plaît, fournir une référence? Je dois l'implémenter moi-même :)
— Bob
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.