R 如何保持；“真的”；使用aggts聚合分层或分组时间序列时的NAs？

我正在使用hts包中的aggts（）函数来聚合我的分层时间序列。 在聚合时间序列之前，该函数将NAs替换为零。 如果至少有一个观测值不为NA，则此选项非常有用。但是如果给定时间内的所有观测值都是NA，我希望保持NA而不是0

编辑（工作示例）：

library(hts)

df <- data.frame(
  AB = c(5, 10, 15, NA, 25, 30, NA, 40)
  , AA = c(10, 20, 30, NA, 50, 60, 70, 80)
)

hts_object <- hts(df)

> aggts(hts_object)
Time Series:
Start = 1 
End = 8 
Frequency = 1 
  Total AB AA
1    15  5 10
2    30 10 20
3    45 15 30
4     0  0  0
5    75 25 50
6    90 30 60
7    70  0 70
8   120 40 80

> aggts(hts_object)
Time Series:
Start = 1 
End = 8 
Frequency = 1 
  Total AB AA
1    15  5 10
2    30 10 20
3    45 15 30
4    NA NA NA
5    75 25 50
6    90 30 60
7    NA NA 70
8   120 40 80

Edit2（更新“hts”软件包后）：

library(hts)

df <- data.frame(
  AB = c(5, 10, 15, NA, 25, 30, NA, 40)
  , AA = c(10, 20, 30, NA, 50, 60, 70, 80)
)

hts_object <- hts(df)

> aggts(hts_object)
Time Series:
Start = 1 
End = 8 
Frequency = 1 
  Total AB AA
1    15  5 10
2    30 10 20
3    45 15 30
4     0  0  0
5    75 25 50
6    90 30 60
7    70  0 70
8   120 40 80

> aggts(hts_object)
Time Series:
Start = 1 
End = 8 
Frequency = 1 
  Total AB AA
1    15  5 10
2    30 10 20
3    45 15 30
4    NA NA NA
5    75 25 50
6    90 30 60
7    NA NA 70
8   120 40 80

这不是我所期望的。也许有了一些背景资料，这会更清楚。由于新冠病毒-19，我必须将几个月的数据点标记为异常值。如果所有层次结构级别上的观察都是NAs，我希望在聚合时间序列后保留NAs。但是，如果不是特定层次级别上的所有观察都是NAs，则需要求和

我的实际业务示例如下：

• 所有层次结构级别的全局异常值（如新冠病毒-19）
  -->如果所有底部时间序列均为NA，则所有聚合时间序列均应包含NA

• 具有不同市场进入时间的产品（某些时间序列具有领先的NAs）
  -->聚合级别需要总和（na.rm=TRUE）

• 经典缺失观测值
  -->聚合级别需要求和（na.rm=TRUE），可能需要事先进行插值

---

现在已在开发版本中修复

如果NAs实际上是零，则将其替换为零

---

如果它们确实缺失，那么根据定义，总和必须为NA，因为您无法知道其值。您可以将它们替换为估计值，或者继续处理包含NAs的数据。一些模型，包括arima模型，将处理NAs而没有问题。

可以考虑预处理数据文件，使NA值被转换为零，除非整个行仅包含NAs：

library(dplyr)

df %>%
  
  # label which rows contain only NAs
  plyr::adply(1, 
              .fun = function(x) ifelse(all(is.na(x)), TRUE, FALSE)) %>%
  
  # in all columns with numeric data, convert NAs to zeros, UNLESS the row contains only NAs
  mutate(across(where(is.numeric),
                function(x) ifelse(is.na(x) & !V1, 0, x))) %>%
  
  # remove column of NA-only labels created in first step
  select(-V1) %>%
  
  hts() %>%
  aggts()

使用开发版本的hts:：aggts的结果：

Time Series:
Start = 1 
End = 8 
Frequency = 1 
  Total AB AA
1    15  5 10
2    30 10 20
3    45 15 30
4    NA NA NA
5    75 25 50
6    90 30 60
7    70  0 70
8   120 40 80

---

我测试了新版本的“hts”软件包，并在上面提供了更多详细信息，因为当前的开发版本没有按照我预期的方式实现。我看到了您的编辑，我完全同意，如果确实缺少值，那么总和必须为NA。但产品层次结构可能包含具有不同发布日期的时间序列。每个较年轻的产品都会产生一个时间序列，开始时为NAs或零。时间序列开始处的零将降低预测精度。我认为用户应该负责插值缺失的值，因此NA+NA=NA和NA+10=10。如果某些时间序列在开始时有NAs，那么通过事先使用na.trim（type=“left”）将更容易实现分层预测的自动化。年轻的产品应该在开始时有零，因为在发布之前没有销售。这些都没有丢失。那么，所使用的时间序列模型应该考虑到这种行为。你可能需要使用一个计数时间序列模型。我在这里辩护地理解你的观点，但是你如何处理“真”零呢？如果时间序列以n个零开始，Auto.arima的性能会更差。在插值“真”缺失值之前，考虑“真”NAs，在所有观测值都是NAs的情况下，使用No.Trimm（“左”）来增加预测精度，如果特定的时间序列比其他的短，则更为舒适。由于时间序列中可能存在“真”零，因此切断前导零将更加复杂。据我所知，只有已经发布的产品才能实现零销售额。我建议您编写自己的预测函数来过滤前导零。