Question

我需要创建一个随时间变化的递归过滤器。

stats::filter中实现的经典过滤器具有以下形式：

Y [t] = X [t] + b 1 * Y [t-1] + b [2] * Y [t-2] + ....

但是，我想创建一个根据t恰好是星期几而变化的过滤器，所以：

Y [t] = X [t] + b [day_of_week（t），1] * Y [t-1] + b [day_of_week（t），2] * Y [t-2] + ...

作为stats::filter不支持的额外复杂功能，我还需要调整第一项的系数：

Y [t] = b [day_of_week（t），0] * X [t] + b [day_of_week（t），1] * Y [t-1] + b [day_of_week（t），2] * Y [t-2] + ...

以下是一个示例数据集，说明了需求：

library(dplyr)

parameters = matrix(data = runif(14), nrow = 7, ncol = 2, 
                    dimnames = list(c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"), 
                                    c("same_day_impact", "previous_day_impact")))

df_x = data_frame(date = seq.Date(from = as.Date("2015-01-01"), 
                                  to = as.Date("2015-12-31"), 
                                  by = "day")) %>% 
                  mutate(series = rnorm(n()),
                         series_lag = lag(series, 1, default = 0),
                         day_of_week = wday(date),
                         day_of_week_name = wday(date, label = TRUE),
                         same_day_impact = parameters[day_of_week, 1],
                         previous_day_impact = parameters[day_of_week, 2])

所以，我想要same_day_impact*series + previous_day_impact*.，其中.表示过滤器的结果直到上一个时间点。

我基本上正在寻找一种巧妙的方法来实现这一目标。欢迎任何帮助。

R：移动参数时间序列滤波器

0 个答案: