جانهی داده های گمشده با استفاده از ترکیب روش تحلیل مجموعه ی مقدار تکین و الگوریتم پالایش کالمن و مقایسه با روش های جانهی یک متغیره

مقادیر گمشده در داده‌های سری زمانی، یکی از مشکلاتی است که گاهی اوقات در تحلیل سری‌های زمانی به‌وجود می‌آیند. هر چقدر جانهی این مقادیر دقت بیشتری داشته باشد، درک بهتری از ساختار سری زمانی به‌دست آمده و در نتیجه، تشخیص الگوی آن و پیش‌بینی مقادیر آینده نیز دقیق‌تر خواهند بود. از این رو انتخاب یک روش مناسب جانهی، بخش مهمی از یک تحلیل سری زمانی راتشکیل می‌دهد. در این مقاله، به معرفی روش جدید جانهی داده‌های گمشده از روش تحلیل مجموعه‌ی مقدار تکین با استفاده از الگوریتم پالایش کالمن می‌پردازیم. در ادامه روش‌های جانهی مقادیر گمشده در سری‌های زمانی یک متغیره معرفی شده و سپس به مقایسه روش‌های مذکور با استفاده از داده‌های شبیه‌سازی شده در مدل‌های ساختاری و داده واقعی می‌پردازیم. نتایج مقایسه بر اساس معیار ریشه میانگین مربعات خطا و میانگین قدر مطلق انحرافات نشان می‌دهد که جانهی مقادیر گمشده بر اساس روش تحلیل مجموعه‌ی مقدار تکین با استفاده از الگوریتم پالایش کالمن، عملکرد بهتری نسبت به سایر روش‌های جانهی داشته و روش‌نما نیز بدترین روش است.

imputation of missing data using the combination of singular spectrum analysis method and kalman filter algorithm and comparison with univariate imputation methods

missing values in time series data are one of the problems that sometimes arise in time series analysis. the more accurate imputation of these values, the better understanding of the structure of the time series will be obtained, and as a result, the recognition of its pattern and the prediction of future values will be more accurate. therefore, choosing an appropriate method of imputation is an important part of a time series analysis. in this paper we introduce the new missing data imputation method from the singular spectrum analysis procedure, using the kalman filter algorithm. then other methods of imputation of missing values in univariate time series are introduced, and will be compared the mentioned methods using simulated data in structural models and real data. the results of the comparison based on the criteria of root mean square error and mean absolute deviations show that the method of imputation of missing values based on singular spectrum analysis approach using the kalman filter algorithm has a better performance than the other imputation methods and the mode method is the worst.‎‎