如何为时间序列分析（TSR）整合日度与周度观测数据集？

核心逻辑 #

要整合日度混杂因素/暴露变量与周度病例数据，核心是**基于统一的周标识（WOY）**将日度数据按周聚合，再与周度病例表关联。之前直接取周均值效果不佳，大概率是部分变量不适合用均值聚合（比如分类变量、极值驱动的变量），需针对变量类型选择对应聚合方式。

具体步骤与代码实现 #

1. 统一周标识格式 #

确保两个数据集的WOY格式完全匹配（比如统一为YYYY-UU的字符串格式），避免连接时出现不匹配问题。

2. 按周聚合日度数据 #

根据变量类型选择合适的聚合逻辑：

• 连续型变量（如温度、污染物浓度）：可选择均值、中位数、日极值（最高/最低）
• 分类/二值变量（如季节、是否节假日）：取该周的统一标记（比如季节不会跨周，直接取周内任意一天的值即可）
• 计数类变量：取周内总和

基于你提供的日度处理代码，扩展聚合逻辑：

# 先处理日度数据，生成统一WOY（暂不转成factor，方便后续连接）
tsday1 <- day1 %>%
  as_tibble() %>%
  mutate(
    year = as.numeric(format(date, "%Y")),
    month = as.numeric(format(date, "%m")),
    dow = as.factor(format(date, "%a")),
    WOY = format(date, format = "%Y-%U"),
    time = 1:nrow(.),
    season = ifelse(month %in% 4:9, "warm", "cold")
  )

# 按WOY聚合日度数据，按需选择聚合方式
weekly_exposure_confounders <- tsday1 %>%
  group_by(WOY) %>%
  summarise(
    # 连续变量示例：均值、日最高/最低值
    avg_temp = mean(temp, na.rm = TRUE),
    max_temp = max(temp, na.rm = TRUE),
    # 分类变量示例：直接取周内统一值（季节不会跨周）
    season = first(season),
    # 计数变量示例：周内总和
    total_pollution = sum(pollution, na.rm = TRUE),
    # 可选：保留周的起止日期，用于时间序列时间轴
    week_start = min(date),
    week_end = max(date)
  ) %>%
  ungroup()

3. 合并周度病例数据 #

假设你的周度病例数据集名为weekly_cases，包含WOY和case_count字段，直接用left_join完成关联：

# 合并聚合后的日度变量与周度病例数据
weekly_ts_data <- weekly_exposure_confounders %>%
  left_join(weekly_cases, by = "WOY")

4. 适配时间序列分析 #

合并后的数据已为周度粒度，可直接用于TSR建模：

# 转换为时间序列对象（以周起始日期为时间轴）
weekly_ts <- ts(weekly_ts_data$case_count, 
                start = c(year(min(weekly_ts_data$week_start)), 
                          as.numeric(format(min(weekly_ts_data$week_start), "%U"))),
                frequency = 52)

# 后续可基于weekly_ts及对应的混杂因素/暴露变量开展建模分析

优化建议 #

• 若之前周均值效果差，检查是否有异常值干扰均值，或尝试用中位数、分位数代替均值
• 确认WOY的周起始定义：%U是周日起算的周，%W是周一起算的周，需与你的病例数据周划分规则一致
• 对于跨年度的周（如每年最后一周），确认WOY的格式是否与病例数据匹配，避免连接遗漏

内容的提问来源于stack exchange，提问作者堤美央