Question

我希望这是基本的;只需要朝着正确的方向轻推。

我已经使用RODBC在MS Access的数据库表中读入数据帧。这是我读到的基本结构：

PRODID PROD Year Week QTY SALES INVOICE

这是结构：

str(data)
'data.frame': 8270 obs. of  7 variables:
 $ PRODID  : int  20001 20001 20001 100001 100001 100001 100001 100001 100001 100001 ...
 $ PROD    : Factor w/ 1239 levels "1% 20qt Box",..: 335 335 335 128 128 128 128 128 128 128 ...
 $ Year    : int  2010 2010 2010 2009 2009 2009 2009 2009 2009 2010 ...
 $ Week    : int  12 18 19 14 15 16 17 18 19 9 ...
 $ QTY     : num  1 1 0 135 300 270 300 270 315 315 ...
 $ SALES   : num  15.5 0 -13.9 243 540 ...
 $ INVOICES: num  1 1 2 5 11 11 10 11 11 12 ...

以下是前几行：

head(data, n=10)
   PRODID           PROD Year Week QTY  SALES INVOICES
1   20001      Dolie 12" 2010   12   1  15.46        1
2   20001      Dolie 12" 2010   18   1   0.00        1
3   20001      Dolie 12" 2010   19   0 -13.88        2
4  100001 Cage Free Eggs 2009   14 135 243.00        5
5  100001 Cage Free Eggs 2009   15 300 540.00       11
6  100001 Cage Free Eggs 2009   16 270 486.00       11
7  100001 Cage Free Eggs 2009   17 300 540.00       10
8  100001 Cage Free Eggs 2009   18 270 486.00       11
9  100001 Cage Free Eggs 2009   19 315 567.00       11
10 100001 Cage Free Eggs 2010    9 315 569.25       12

我只想为每个产品生成QTY，SALES，INVOICE的延迟，但我不知道从哪里开始。我知道R对时间序列来说很棒，但我不知道从哪里开始。

我有两个问题：

我有原始发票数据但已将其汇总以用于报告目的。如果我不汇总数据会更容易吗？
无论是否聚合，我需要在每个产品上循环哪些功能并根据需要产生滞后？

简而言之，我想循环一组记录，计算产品的滞后（如果可能的话），将滞后（当它们应用时）附加到每个产品的当前记录，并将结果写回表在我的数据库中供我使用的报告软件。

Answer 1

最有可能采用更优雅的方式。

首先阅读数据：

h <- 'row   PRODID           PROD Year Week QTY  SALES INVOICES
1   20001      Dolie12 2010   12   1  15.46        1
2   20001      Dolie12 2010   18   1   0.00        1
3   20001      Dolie12 2010   19   0 -13.88        2
4  100001 CageFreeEggs 2009   14 135 243.00        5
5  100001 CageFreeEggs 2009   15 300 540.00       11
6  100001 CageFreeEggs 2009   16 270 486.00       11
7  100001 CageFreeEggs 2009   17 300 540.00       10
8  100001 CageFreeEggs 2009   18 270 486.00       11
9  100001 CageFreeEggs 2009   19 315 567.00       11
10 100001 CageFreeEggs 2010    9 315 569.25       12'
dat <- read.table(textConnection(h),T)

接下来我们计算滞后变量。这行代码通过PROD分割数据，然后将NAs作为顶行，并删除最后一行，导致滞后为1.

new_vars <-do.call(rbind,rev(by(dat[,c(6,7,8)],dat$PROD,function(x) rbind(NA,x[-nrow(x),]))))

在控制台中显示它们：

> cbind(dat,new_vars)
               row PRODID         PROD Year Week QTY  SALES INVOICES QTY  SALES INVOICES
Dolie12.1        1  20001      Dolie12 2010   12   1  15.46        1  NA     NA       NA
Dolie12.2        2  20001      Dolie12 2010   18   1   0.00        1   1  15.46        1
Dolie12.3        3  20001      Dolie12 2010   19   0 -13.88        2   1   0.00        1
CageFreeEggs.1   4 100001 CageFreeEggs 2009   14 135 243.00        5  NA     NA       NA
CageFreeEggs.4   5 100001 CageFreeEggs 2009   15 300 540.00       11 135 243.00        5
CageFreeEggs.5   6 100001 CageFreeEggs 2009   16 270 486.00       11 300 540.00       11
CageFreeEggs.6   7 100001 CageFreeEggs 2009   17 300 540.00       10 270 486.00       11
CageFreeEggs.7   8 100001 CageFreeEggs 2009   18 270 486.00       11 300 540.00       10
CageFreeEggs.8   9 100001 CageFreeEggs 2009   19 315 567.00       11 270 486.00       11
CageFreeEggs.9  10 100001 CageFreeEggs 2010    9 315 569.25       12 315 567.00       11

Answer 2

您可以在一个变量上使用PERregress库中的back（）函数。您还可以创建多个滞后。我通常在回归分析中使用此函数进行自相关。

产生滞后R.

2 个答案: