IniziaInizia gratis

Sostituisci i dati mancanti - I

Come hai visto nell’esercizio precedente, i tuoi dati trimestrali del PIL sembrano avere diverse osservazioni mancanti. Infatti, la chiamata a summary() nel precedente esercizio ha rivelato 80 punti dati mancanti!

Come forse ricordi dal primo corso su xts, xts e zoo offrono varie funzioni per gestire i dati mancanti.

La tecnica più semplice è il comando na.locf(), che porta avanti l’ultima osservazione prima del valore mancante (da cui "last observation carried forward", o locf). Questo approccio è spesso il più adatto per gestire i dati mancanti, soprattutto quando vuoi essere prudente sulle crescite nei tuoi dati.

Un approccio analogo funziona nella direzione opposta, prendendo la prima osservazione dopo il valore mancante e riportandola indietro ("next observation carried backward", o nocb). Questa tecnica può essere eseguita anche con na.locf() impostando l’argomento fromLast a TRUE.

Il metodo migliore dipende dal tipo di dati con cui lavori e dalle tue ipotesi su come i dati cambiano nel tempo.

Questo esercizio fa parte del corso

Caso di studio: analisi di serie temporali cittadine in R

Visualizza il corso

Istruzioni dell'esercizio

  • Usa na.locf() per riempire i valori mancanti in gdp_xts basandoti sull’ultima osservazione disponibile (last observation carried forward). Salva questo nuovo oggetto xts come gdp_locf.
  • Fai un’altra chiamata a na.locf() per riempire i valori mancanti in gdp_xts basandoti sulla prossima osservazione riportata all’indietro. Per farlo, imposta l’argomento fromLast a TRUE. Salva questo nuovo oggetto xts come gdp_nocb.
  • Traccia ciascuno di questi oggetti con plot.xts(). Includi il comando par() già scritto per visualizzare entrambi i grafici insieme.
  • Interroga ciascun oggetto (gdp_locf e gdp_nocb) per il PIL nel 1993.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Fill NAs in gdp_xts with the last observation carried forward
gdp_locf <- 

# Fill NAs in gdp_xts with the next observation carried backward 
gdp_nocb <- 

# Produce a plot for each of your new xts objects
par(mfrow = c(2,1))
plot.xts(___, major.format = "%Y")
plot.xts(___, major.format = "%Y")

# Query for GDP in 1993 in both gdp_locf and gdp_nocb
Modifica ed esegui il codice