欠損データの置換 - II
時系列データの操作と同様に、欠損値への対処方法もさまざまです。前の演習で見たように、locf と nocb の両方の手法は、データの成長パターンについてある程度の仮定を置く必要があります。locf はより保守的で、nocb はより積極的ですが、どちらも欠損区間に対して段階的（ステップ状）の成長を生み出します。
では、データに線形的な成長を期待できる理由がある場合はどうでしょうか。この場合は、線形補間を用いると有用です。これは、欠損値の前後にあるデータを時間に応じた重み付けでつないで、新しい値を生成します。
この演習では、補間を使って時間方向に線形な値を推定する na.approx() コマンドを用い、gdp_xts の欠損値を埋めていきます。
この演習はコースの一部です
ケーススタディ：Rで都市の時系列データを分析する
演習の手順
na.approx()を使って、gdp_xtsの欠損値を線形補間で埋めましょう。新しい xts オブジェクトをgdp_approxとして保存します。plot.xts()を使って新しい xts オブジェクトをプロットします。- 新しい xts オブジェクトから 1993 年の GDP をクエリします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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