CommencezCommencez gratuitement

Manipuler les données de chômage au MA

Maintenant que vous avez ajouté des retards, des différences et des valeurs roulantes à vos données de PIB et de chômage aux États-Unis, il est temps de remettre ces compétences au service de votre mandat.

N'oubliez pas que votre cliente ou client veut des informations utiles pour l'industrie touristique de Boston. En plus des données sur l'économie américaine en général, il peut être utile de préparer des indicateurs pertinents pour vos données économiques du Massachusetts.

Dans cet exercice, vous allez utiliser vos compétences de manipulation de séries chronologiques pour générer : un retard d'un an, une différence du premier ordre sur six mois, une moyenne roulante sur six mois et un maximum roulant sur un an du taux de chômage au MA. Votre client vous attend!

Cette activité fait partie du cours

Étude de cas : analyser des séries chronologiques urbaines en R

Voir le cours

Instructions de l’exercice

  • Utilisez lag() pour générer un retard d'un an du taux de chômage au MA (contenu dans la colonne ma de vos données mensuelles unemployment). N'oubliez pas de fixer l'argument k au nombre d'observations correspondant à une année. Enregistrez cet indicateur dans vos données unemployment sous le nom ma_yearlag.
  • Utilisez diff() pour générer une différence du premier ordre sur six mois du taux de chômage au MA. N'oubliez pas d'indiquer la bonne colonne dans vos données unemployment. Enregistrez cet indicateur sous le nom ma_sixmonthdiff.
  • Calculez la moyenne roulante sur six mois du chômage au MA avec rollapply(). Assurez-vous de préciser correctement les arguments width et FUN. Enregistrez cet indicateur sous le nom ma_sixmonthavg.
  • Mesurez le « pic » du chômage au cours de la dernière année à l'aide d'un autre appel à rollapply() avec une valeur appropriée pour l'argument width. Cette fois, réglez l'argument FUN à max. Enregistrez cet indicateur final sous le nom ma_yearmax.
  • Utilisez tail() pour afficher la dernière année de données unemployment (n = 12).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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
Modifier et exécuter le code