LoslegenKostenlos loslegen

MA-Arbeitslosendaten manipulieren

Nachdem du Verzögerungen (Lags), Differenzen und rollierende Werte zu deinen BIP- und US-Arbeitslosendaten hinzugefügt hast, ist es Zeit, diese Fähigkeiten wieder auf deine Aufgabe anzuwenden.

Denk daran: Dein Auftraggeber möchte Informationen, die für die Tourismusbranche in Boston relevant sind. Zusätzlich zu Daten zur US-Wirtschaft insgesamt ist es hilfreich, passende Indikatoren für deine wirtschaftlichen Daten aus Massachusetts aufzubereiten.

In dieser Übung erzeugst du mithilfe deiner Zeitreihen-Manipulation: einen einjährigen Lag, eine sechsmonatige Differenz erster Ordnung, einen sechsmonatigen rollierenden Durchschnitt und ein einjähriges rollierendes Maximum der Arbeitslosenquote in MA. Dein Auftraggeber wartet schon!

Diese Übung ist Teil des Kurses

Fallstudie: Zeitreihendaten von Städten in R analysieren

Kurs anzeigen

Anleitung zur Übung

  • Verwende lag(), um einen einjährigen Lag der MA-Arbeitslosenquote zu erzeugen (sie steht in der Spalte ma deiner monatlichen unemployment-Daten). Denk daran, das Argument k auf die Zahl der Beobachtungen eines Jahres zu setzen. Speichere diesen Indikator in deinen unemployment-Daten als ma_yearlag.
  • Verwende diff(), um eine sechsmonatige Differenz erster Ordnung der MA-Arbeitslosenquote zu berechnen. Achte darauf, die richtige Spalte in deinen unemployment-Daten anzugeben. Speichere diesen Indikator in deinen unemployment-Daten als ma_sixmonthdiff.
  • Miss den sechsmonatigen rollierenden Durchschnitt der MA-Arbeitslosigkeit mit rollapply(). Gib eine passende Spezifikation für die Argumente width und FUN an. Speichere diesen Indikator in deinen unemployment-Daten als ma_sixmonthavg.
  • Ermittle die "High-Water-Mark" der Arbeitslosigkeit über das letzte Jahr mit einem weiteren Aufruf von rollapply() und einer passenden Spezifikation für das Argument width. Setze dieses Mal das Argument FUN auf max. Speichere diesen letzten Indikator in deinen unemployment-Daten als ma_yearmax.
  • Verwende tail(), um das letzte Jahr der unemployment-Daten anzuzeigen (n = 12).

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Add a one-year lag of MA unemployment
unemployment$ma_yearlag <- 

# Add a six-month difference of MA unemployment
unemployment$ma_sixmonthdiff <- 

# Add a six-month rolling average of MA unemployment
unemployment$ma_sixmonthavg <- 
  
# Add a yearly rolling maximum of MA unemployment
unemployment$ma_yearmax <- 

# View the last year of unemployment data
Code bearbeiten und ausführen