生產者計量經濟學：缺少數據的單變數建模

我有興趣預測 2018 年的收入。

Year           Revenue 
2010        $22,306,000
2011        $22,420,000
2012        $23,010,000
2013             NA
2014        $25,430,000
2015        $25,601,000
2016        $25,267,000
2017        $23,895,400

我無法辨識合適的模型（AR、MA、ARMA 等），因為我缺乏 2013 年的數據，因此無法使用 ACF 和 PACF。

我將如何處理這樣的問題？（最好使用 R）

它被稱為“估算”值。找到 2012 年和 2014 年收入之間的線性趨勢，並估算 2013 年的這個值。在你的情況下，它只是之前和之後收入之間的平均值。

或者，您可以使用周期的平均值，或擬合線性趨勢並進行插值。這些方法使用的資訊不僅僅是兩年，其好處是可以考慮 2012 年或 2014 年可能存在的特殊因素，但代價可能是添加 2017 年的特殊因素。

這是具有三種方法（包括 Alecos 的）的 R 程式碼：

# Interpolate between 2012 and 2014
df = data.frame(year = 2010:2017, y = c(22306000,22420000,23010000,NA,25430000,25601000,25267000,23895400))
df$y[is.na(df$y)] = mean(df$y[df$year==2012 | df$year==2014], na.rm=TRUE)

# Replace with mean of period
df = data.frame(year = 2010:2017, y = c(22306000,22420000,23010000,NA,25430000,25601000,25267000,23895400))
df$y[is.na(df$y)] = mean(df$y, na.rm=TRUE)

# Regression interpolation
df = data.frame(year = 2010:2017, y = c(22306000,22420000,23010000,NA,25430000,25601000,25267000,23895400))
fit <- lm(y ~ year, data=df)
df$y[df$year==2013] <- predict(fit, newdata = data.frame(year = 2013))

每種方法的結果分別為24220000、23989914和23753107。它們是不同的，因為該系列不遵循線性趨勢：

# Plot
df = data.frame(year = 2010:2017, y = c(22306000,22420000,23010000,NA,25430000,25601000,25267000,23895400))
plot(x=df$year,df$y, type="l",lwd = 2)

因此，在這種情況下，似乎 Aleco 的方法可能是最合適的。（也可以擬合非線性趨勢）

引用自：https://economics.stackexchange.com/questions/17568