时间索引告诉了我们什么？
有些数据按时间自然等间隔。上图中的时间序列 discrete_data 有 20 个观测值，每个离散时间索引从 1 到 20 各有 1 个观测值。对 discrete_data 来说，离散时间索引是合适的。
下图中的时间序列 continuous_series 也有 20 个观测值，遵循与 discrete_data 相同的周期性模式，但其观测值并非等间隔。其第 1、2 和最后 1 个观测值分别出现在时间 1.210322、1.746137 和 20.180524。对 continuous_series 来说，连续时间索引更自然。不过，这些观测大致是等间隔的，约每个时间单位 1 个观测。我们来探究一下对 continuous_series 使用离散时间索引的效果。
本练习是课程的一部分
R 中的时间序列分析
练习说明
- 使用
plot(___, ___, type = "b")将continuous_series与其连续时间索引continuous_time_index作图。 - 创建向量 1:20 作为离散时间索引。
- 现在使用
plot(___, ___, type = "b")将continuous_series与discrete_time_index作图。 - 注意比较所得图形的差异。由于整体趋势保持不变，这种近似看起来是合理的。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot the continuous_series using continuous time indexing
par(mfrow=c(2,1))
plot(continuous_time_index,___, type = "b")
# Make a discrete time index using 1:20
discrete_time_index <-
# Now plot the continuous_series using discrete time indexing
plot(discrete_time_index,___, type = "b")