Ersätt saknade värden – del II

Precis som med de flesta aspekter av tidsseriemanipulation finns det många sätt att hantera saknade värden. Som du märkte i föregående övning kräver både locf- och nocb-metoderna att du gör vissa antaganden om tillväxtmönster i dina data. Medan locf är mer konservativ är nocb mer aggressiv – båda genererar stegvis tillväxt från saknade värden.

Men vad händer om du har skäl att förvänta dig linjär tillväxt i dina data? I så fall kan det vara mer användbart att använda linjär interpolation, som genererar nya värden mellan datapunkterna på vardera sidan om det saknade värdet, viktade efter tid.

I den här övningen fyller du de saknade värdena i gdp_xts-datan med hjälp av kommandot na.approx(), som använder interpolation för att uppskatta linjära värden i tid.

Den här övningen är en del av kursen

Fallstudie: Analys av tidsseridata för städer i R

Visa kurs

Övningsinstruktioner

Använd na.approx() för att fylla de saknade värdena i gdp_xts med linjär interpolation. Spara det nya xts-objektet som gdp_approx.
Plotta ditt nya xts-objekt med plot.xts().
Hämta BNP för 1993 från ditt nya xts-objekt.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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

Redigera och kör kod