Convertir un data frame (non empilé) de séries chronologiques (format de données de benchmarking() et stock_benchmarking())
en un objet « ts » (ou « mts »).
Cette fonction est utile pour convertir le data frame renvoyé par un appel à benchmarking() ou stock_benchmarking()
en un objet « ts », où une ou plusieurs séries ont été étalonnées en mode de traitement non groupes-BY. Les
data frame empilés de séries chronologiques associées à des exécutions en mode groupes-BY doivent d'abord être
désempilés avec unstack_tsDF().
Arguments
- ts_df
(obligatoire)
Data frame (object de classe « data.frame ») à convertir.
- frequency
(obligatoire)
Entier spécifiant la fréquence de la (des) série(s) à convertir. La fréquence d'une série chronologique correspond au nombre maximum de périodes dans une année (par exemple, 12 pour des données mensuelles, 4 pour des données trimestrielles, 1 pour des données annuelles).
- yr_cName, per_cName
(optionnel)
Chaînes de caractères spécifiant le nom des variables (colonnes) numériques dans le data frame d'entrée qui contiennent les identificateurs d'année et de période du point de données.
Les valeurs par défaut sont
yr_cName = "year"etper_cName = "period".
Valeur de retour
La fonction renvoie un objet de type série chronologique (classe « ts » ou « mts »), qui peut être explicitement converti
en un autre type d'objet avec la fonction as*() appropriée (ex., tsibble::as_tsibble() le convertirait en tsibble).
Exemples
# Série chronologique trimestrielle initiale (série indicatrice à étalonner)
sc_tri <- ts(c(1.9, 2.4, 3.1, 2.2, 2.0, 2.6, 3.4, 2.4, 2.3),
start = c(2015, 1), frequency = 4)
# Série chronologique annuelle (étalons)
sc_ann <- ts(c(10.3, 10.2), start = 2015, frequency = 1)
# Étalonnage proportionnel
res_eta <- benchmarking(ts_to_tsDF(sc_tri),
ts_to_bmkDF(sc_ann, ind_frequency = 4),
rho = 0.729, lambda = 1, biasOption = 3,
quiet = TRUE)
# Séries chronologiques initiale et finale (étalonnée) - objects « ts »
sc_tri
#> Qtr1 Qtr2 Qtr3 Qtr4
#> 2015 1.9 2.4 3.1 2.2
#> 2016 2.0 2.6 3.4 2.4
#> 2017 2.3
tsDF_to_ts(res_eta$series, frequency = 4)
#> Qtr1 Qtr2 Qtr3 Qtr4
#> 2015 2.049326 2.601344 3.337638 2.311691
#> 2016 2.021090 2.554801 3.292193 2.331915
#> 2017 2.268017
# Étalonnage proportionnel de stocks de fin d'année - plusieurs (3) séries
# traitées avec l'argument `by` (en mode groupes-BY)
sc_tri2 <- ts.union(ser1 = sc_tri, ser2 = sc_tri * 100, ser3 = sc_tri * 10)
sc_ann2 <- ts.union(ser1 = sc_ann / 4, ser2 = sc_ann * 25, ser3 = sc_ann * 2.5)
res_eta2 <- stock_benchmarking(stack_tsDF(ts_to_tsDF(sc_tri2)),
stack_bmkDF(ts_to_bmkDF(
sc_ann2, ind_frequency = 4,
discrete_flag = TRUE, alignment = "e")),
rho = 0.729, lambda = 1, biasOption = 3,
by = "series",
quiet = TRUE)
#>
#> Benchmarking by-group 1 (series=ser1)
#> =====================================
#>
#> Benchmarking by-group 2 (series=ser2)
#> =====================================
#>
#> Benchmarking by-group 3 (series=ser3)
#> =====================================
# Séries chronologiques initiales et finales (étalonnées) - objects « mts »
sc_tri2
#> ser1 ser2 ser3
#> 2015 Q1 1.9 190 19
#> 2015 Q2 2.4 240 24
#> 2015 Q3 3.1 310 31
#> 2015 Q4 2.2 220 22
#> 2016 Q1 2.0 200 20
#> 2016 Q2 2.6 260 26
#> 2016 Q3 3.4 340 34
#> 2016 Q4 2.4 240 24
#> 2017 Q1 2.3 230 23
tsDF_to_ts(unstack_tsDF(res_eta2$series), frequency = 4)
#> ser1 ser2 ser3
#> 2015 Q1 2.172021 217.2021 21.72021
#> 2015 Q2 2.784446 278.4446 27.84446
#> 2015 Q3 3.633922 363.3922 36.33922
#> 2015 Q4 2.575000 257.5000 25.75000
#> 2016 Q1 2.298694 229.8694 22.98694
#> 2016 Q2 2.903718 290.3718 29.03718
#> 2016 Q3 3.685986 368.5986 36.85986
#> 2016 Q4 2.550000 255.0000 25.50000
#> 2017 Q1 2.437793 243.7793 24.37793