embedの使い方（自分用のメモ）
Rにはembedという関数があり、ベクトル・時系列を指定期間ずらす作業に使える。言葉で聞くとなんだかわからないと思うので、たとえば以下のような時系列データがあったとする。
使い方は以下のとおり
demoTs <- ts(seq(1:8), start=c(2019,1), freq=4) embed(demoTs, dimension=2)
出力結果は以下のとおり：
「こんな関数、何に使うんだよ？」と思うかもしれない。
たとえば自分で自己回帰モデル（ARやVAR）の関数を書くときに使える。まあ、ARやVARのパッケージはすでにいろいろと充実しているので、自分で書く必要があるかと言われたら、そんな機会はあまりないような気もするが、ときによっては便利な関数である。
以下の記事の続編：
成長率の計算 - ハリ・セルダンになりたくて（はてダから移行中）
少し改訂版を作ったので記録のために以下に（前期比・前年同期比も計算できるように）。
growthRate <- function(tsData, lagLen=1, percent=FALSE)
{
numSize <- length(tsData)
seque <- seq(1:(numSize-lagLen))
if(isTRUE(percent)){
tsGrowth <- (diff(tsData, lag=lagLen)/tsData[seque]) * 100
} else {
tsGrowth <- (diff(tsData, lag=lagLen)/tsData[seque])
}
return(tsGrowth)
}
そもそもlm()（とglm()）には「data.frameの列がfactorである場合、自動的にダミー変数を作って、回帰してくれる」という機能がある（manにきちんと書かれてないので知らない人が多いかも）。
が、lmやglmの「自動でダミー変数を作る機能」だと思うようなダミー変数にならない場合もあるので、パッケージでダミー変数を作ることを考える。
いくつかパッケージがあるが、それなりに使いやすいパッケージとしてfastDummiesがあるため、その中のdummy_cols()を使ってダミー変数を作る方法を以下に記す。
require(fastDummies)
require(tidyverse)
when <- data.frame(time = c("afternoon", "night", "afternoon", "morning", "morning", "morning", "morning", "afternoon", "afternoon"), day = c("Mon", "Mon", "Mon", "Wed", "Wed", "Fri", "Sat", "Sat", "Fri"))
when[3, "day"] <- NA
when %>% head()
dummy_cols(when)
# 自分用のメモ：現時のバージョンのfastDummiesではNAはNAのままで各列に入力される（以前は違ったようだが）。
参考（4つのパッケージの比較）
require(openxlsx)
tmpdat<- read.xlsx("./data.xlsx", sheet = 2, startRow = 9, detectDates=TRUE)
head(tmpdat)
wb <- createWorkbook()
addWorksheet(wb, 'Sheet1')
addWorksheet(wb, 'Sheet2')
writeData(wb, sheet = 'Sheet1', x = lm.res1, withFilter=F)
writeData(wb, sheet = 'Sheet2', x = lm.res2, withFilter=F)
saveWorkbook(wb, "lm.res.xlsx", overwrite = T)
以下に改訂版の既述あり。
成長率の計算（改訂版） - ハリ・セルダンになりたくて（はてダから移行中）
Rを使って成長率（％表示）を計算する方法についての備忘録。
前提：tsDataをベクトルもしくはtsオブジェクトとする。
その１：対数差分
diff(log(tsData))*100
メリット：成長率の近似であるが、プログラムが簡単
デメリット：tsDataの要素が正である必要がある（たとえばGDPならOK、在庫変動は[負になることがあるため]ダメ）
その２：定義通りに成長率を計算する
一行で書くと：
numSize <- length(tsData); tsGrowth <- (diff(tsData)/tsData[-numSize]) * 100
関数にするなら以下：
growthRate <- function(tsData)
{
numSize <- length(tsData)
tsGrowth <- (diff(tsData)/tsData[-numSize]) * 100
return(tsGrowth)
}使い方はこんな感じ。
source("growthRate.R")
tmpTs <- seq(1,10,by=0.3)
growthRate(tmpTs)
自分用の覚書
CRANにあるx13binaryが使えるようになったので、自分でX-13ARIMA-SEATSをコンパイルする必要がなくなり、MacとWinの違いもなくなりました。
[インストール]GNU Rで二つのパッケージをインストール
注：seasonalをインストールするとx13binaryも一緒にインストールされる。
[GNU Rのパッケージseasonalからx13asを実行する]
lines(m$series$s12, col="blue") #トレンド
seasonalの使い方についてvignettesを参照されたい
https://cran.ism.ac.jp/web/packages/seasonal/vignettes/seas.pdf
[注意すべき点]
https://www2.census.gov/software/x-13arima-seats/x13as/unix-linux/documentation/docx13ashtml.pdf
s10: 季節成分（seasonal component）
s11: 季節調整値（seasonal adjustment component）
s12:トレンド成分（trend component）
s13:不規則成分（irregular component）
詳しくは以下のTable 7.31を参照
https://www2.census.gov/software/x-13arima-seats/x13as/unix-linux/documentation/docx13ashtml.pdf
外れ値やレベルシフトの調整にはregression.variablesを使う。使い方は以下のTable 7.28を参照
https://www.census.gov/ts/x13as/docX13AS.pdf
GNU R (実際の作業はRstudio)でKerasをインストールしたときの覚書。基本的には（１）Anacondaインストール、（２）Anacondaでtensorflowインストール、（３）R上でdevtoolsインストール、（４）devtoolsでkerasインストール、（５）Windows上でRtoolsインストールと言う手順になる。
[Anacondaとtensorflowのインストール]
最初にAnaconda（Python 3.*）をインストールし、Anaconda Navigatorを起動してtensorflowをインストールする。以下のURLを参照。
[keras: R Interface to 'Keras'のインストール]
Rstudioでの導入は以下の通り。
[R Interface to 'Keras']
R Interface to 'Keras'の使い方は以下のURL等を参照。
