時間序列的頻率和時間突然改變，通常的方法是有效的

我有一個使用關於變數的季度資訊的時間序列數據，但現在已從 2008 年 9 月到 2021 年 7 月改為每兩個月發布一次。這是一項基於調查的度量，在每個季度/兩個月末發布。

但慢慢地，他們改變了發佈時間。

它演變成這樣：

有2個問題：

1. 這不是統一的頻率。從 2008 年 9 月到 2016 年每季度一次，然後變成雙月刊。
2. 即使變成雙月刊，它的發布日期也發生了變化。從 2016 年 9 月到 2018 年 6 月，後續版本之間的差距不是恆定的。這從 2018 年開始得到糾正，發布之間有 2 個月的固定間隔。

如果我想在這個時間序列上擬合一個 ARIMA 模型，我應該如何處理這些問題？

如果您堅持使用某些標準時間序列模型，這將是有問題的，因為標準時間序列模型（例如 ARIMA）需要固定頻率。

有一些可能的方法來處理這個問題：

1. 您可以嘗試按季度頻率匯總所有數據。我可以看到，由於雙月頻率的不均勻差距，這可能會帶來更多問題，但是您可以通過一些樣條曲線擬合數據來估計季度的值。這將導致一些資訊的失去，但對我來說，這似乎是解決這個問題的最直接的方法。
2. 您可以簡單地對缺失的數據進行內插，從而將較早的季度數據轉換為雙月數據，但這會產生人為平滑的序列，並且您的大部分數據都會內插，這將是有問題的。

或者，您可以使用允許非固定頻率的模型，而不是使用簡單的時間序列模型。此類模型的概述可在Casals 等人 2005中找到。

引用自：https://economics.stackexchange.com/questions/45942