Sustituir datos faltantes - II
Como en la mayoría de las tareas de manipulación de series temporales, hay muchas formas de tratar los valores faltantes. Como viste en el ejercicio anterior, tanto el enfoque locf como nocb requieren que asumas ciertos patrones de crecimiento en tus datos. Aunque locf es más conservador y nocb más agresivo, ambos generan crecimiento escalonado a partir de datos faltantes.
Pero ¿y si tienes motivos para esperar un crecimiento lineal en tus datos? En ese caso, puede ser más útil usar la interpolación lineal, que genera nuevos valores entre los datos a ambos lados del valor faltante, ponderados según el tiempo.
En este ejercicio, rellenarás los valores faltantes en tus datos gdp_xts usando el comando na.approx(), que emplea interpolación para estimar valores lineales en el tiempo.
Este ejercicio forma parte del curso
Estudio de caso: Análisis de series temporales de una ciudad en R
Instrucciones del ejercicio
- Usa
na.approx()para rellenar los valores faltantes degdp_xtsmediante interpolación lineal. Guarda este nuevo objeto xts comogdp_approx. - Representa tu nuevo objeto xts con
plot.xts(). - Consulta tu nuevo objeto xts para obtener el PIB de 1993.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Fill NAs in gdp_xts using linear approximation
gdp_approx <-
# Plot your new xts object
plot.xts(___, major.format = "%Y")
# Query for GDP in 1993 in gdp_approx