15年日度时间序列调用ts_decompose报错少于2个周期原因咨询

报错原因 #

该报错和数据量、是否存在真实季节性无关，是传入ts_decompose()的时间序列对象不符合函数要求导致的：

• 基础stats::decompose()仅支持R原生ts类对象，无法识别你构建的zoo类时间序列；
• 你没有为日度数据明确设置季节性频率：周度季节性对应频率为7，月度季节性对应频率约为30.44（年平均日数/12），未设置频率的情况下函数无法识别序列的周期，因此判定周期数不足2个。

解决方法 #

1. 单季节性分解 #

如果需要分别识别周度、月度季节性，先将zoo对象转换为ts类并指定对应频率再调用分解函数：

# 提取zoo对象的数值列，指定频率7对应周度季节性
ts_weekly <- ts(zoo::coredata(your_zoo_obj), frequency = 7)
# 周度季节性分解
decomp_weekly <- ts_decompose(ts_weekly, type = "additive")

# 指定频率30.44对应月度季节性
ts_monthly <- ts(zoo::coredata(your_zoo_obj), frequency = 30.44)
# 月度季节性分解
decomp_monthly <- ts_decompose(ts_monthly, type = "additive")

2. 多重季节性同时分解 #

如果需要同时提取周度、月度两种季节性特征，原生ts和decompose()不支持多频率序列，可使用forecast包的mstl()函数：

library(forecast)
# 构建多频率时间序列，同时指定周度、月度两个周期
mts_obj <- msts(zoo::coredata(your_zoo_obj), seasonal.periods = c(7, 30.44))
# 多重季节性分解
decomp_res <- mstl(mts_obj)
# 可视化分解结果
autoplot(decomp_res)

你的数据时间跨度从1995年到2021年，超过20年的日度数据完全满足季节性分解的周期数量要求，按照上述方法调整后即可得到你需要的周度、月度季节性规律。

内容的提问来源于stack exchange，提问作者Dario Lacan