R 自相关函数（ACF）中出错：对象中缺少值

我正在处理一个时间序列数据，其结构如下：

str(tseries)
 Time-Series [1:479] from 1979 to 2019: 0.0258 0.0234 0.0055 0.0302 0.0305 0.0232 0.025 0.0234 0.0074 0.0089 ...

我试图进行时间序列分析，因此使用自相关函数（ACF）。首先，它能够在运行时返回绘图：

acf(tseries)

但是，当我尝试执行区分和记录的acf（）函数时，它给了我一个错误：

> acf(diff(log(tseries)))
Error in na.fail.default(as.ts(x)) : missing values in object
In addition: Warning message:
In log(tseries) : NaNs produced

---

它所指的缺失值是什么？因为我已经确保我正在处理的数据集没有任何缺失值，如果这就是它的意思。

如果您的时间序列有任何负值，log将导致

NaN

，这将导致您的缺失值错误

> a <- c(-1,2,3,4,5,6)
> acf(diff(log(a)))
Error in na.fail.default(as.ts(x)) : missing values in object
In addition: Warning message:
In log(a) : NaNs produced

>一个acf（diff（log（a）））
na.fail.default（as.ts（x））中出错：对象中缺少值
此外：警告信息：
在日志（a）中：产生了NAN

正如Corey所回答的，问题是从负值中提取日志。 我想在他的回答中添加一条评论，解释更多关于如何解决您的问题的内容，但我的解释太长了

添加一个常数可以解决您的问题，但这取决于实际数字是否合理/是否有效。
通常，ARIMA和自相关意味着您测量的任何值都依赖于以前的值。例如，如果我想预测明天的温度，我看一下今天的温度：2是相关的。
这就是自相关测试的含义：查看序列中的某个值是否与同一序列中相近的其他值相关

在某些情况下，这种效应更具乘性，从1000增加到1100比从1增加到101更有可能。如果它是完全乘法的，那么从1000增加到1100的可能性与从1增加到1.1的可能性一样
在这些情况下，取对数是有意义的，对数的差异表示百分比增加或减少。这意味着日志无法处理符号中的切换：不能通过乘以或除以任何正数从1变为-1

这也可能取决于实际值的含义。任何人都会明白，温度从1ºC升高到2ºC与从33.8ºF升高到35.6ºF一样有意义，尽管第一个温度升高了100%，第二个温度升高了5%。这意味着用摄氏度或华氏度来记录温度是毫无意义的，尽管有时用开尔文或兰金来记录温度是有意义的

实际上，大多数问题都是线性和乘法效应的混合，从1000增加到1100与从1增加到2或类似的情况一样可能。 所以这取决于你的数据代表什么，你需要找到一些自相关最强的计算。事实上，在

a

中添加一些常量并记录日志的建议非常有效

对于选择哪个常数的问题，您需要自己回答：“哪些增加与其他增加一样可能？”
在我的例子中，说从1000增加到1100与从1增加到2的可能性一样，意味着求解方程

（1000+c）/（1100+c）==（1+c）/（2+c）

，其中

c

是我们要寻找的常数。这里的结果是9.09，尽管自相关函数对微小差异不敏感

---

你也可以玩一下，或者试试其他的功能。自相关越强，你的拟合越好。

那么，我应该如何处理负数呢？我不能恰当地回答这个问题，因为我不知道时间序列的起源。如果您有负值，那么您不能取对数，因为它没有定义（请尝试在R中执行

log（-1）

，以查看自己的证明）。如果你想让它工作，你可以先取绝对值，然后取对数，但这会改变时间序列。我不知道这是否有帮助，但我可以用diff和log函数绘制折线图，当你绘制时，你应该会得到错误

警告消息：在log（a）中：NaNs生成

。它仍在打印，因为它正在打印除负值以外的所有点。因此，图仍然可以显示。解决方案是不使用

log

，因为它不能处理负值，或者更改负值/删除它们，以便可以使用

log

。例如，您可以生成一个布尔值，指示某个值是否为负值，然后是绝对值，然后取对数，如果值以前为负值，则取反。@Corey Levinson否定对数与否定输入完全不同。如果我理解正确的话，你会想把-10转换成-2.3，比如log（10）=2.3，对吗？但同时，log（.1）也会给出-2.3，你计算出的方程是否适用于任何其他数字？是的，它只是回答了一个问题：哪两个比率的可能性相等？