Multiplicative adjustment of a time series for leap year / length of periods
Source:R/timeseries.R
ts_adjust.RdMultiplicative adjustment of a time series for leap year / length of periods
Usage
ts_adjust(s, method = c("LeapYear", "LengthOfPeriod"), reverse = FALSE)Examples
y <- ABS$X0.2.09.10.M
ts_adjust(y)
#> Jan Feb Mar Apr May Jun Jul
#> 1982 460.1000 502.6000 443.8000 459.1000
#> 1983 379.2000 381.3750 472.1000 503.4000 510.6000 462.4000 468.3000
#> 1984 414.7000 403.7802 484.7000 487.3000 597.9000 500.4000 543.4000
#> 1985 516.3000 456.5402 525.8000 587.7000 700.3000 561.8000 602.8000
#> 1986 570.5000 482.4696 547.4000 594.3000 751.6000 553.4000 663.2000
#> 1987 613.9000 517.7821 599.9000 674.1000 714.0000 670.5000 720.9000
#> 1988 631.0000 536.8474 678.1000 715.7000 740.8000 722.0000 683.5000
#> 1989 631.5000 556.9286 719.0000 697.6000 764.8000 786.3000 715.1000
#> 1990 678.2000 591.4339 726.8000 744.1000 815.5000 832.4000 710.3000
#> 1991 694.0000 610.0991 719.2000 748.2000 828.2000 746.9000 794.5000
#> 1992 740.0000 648.6784 701.5000 831.4000 878.6000 826.0000 788.2000
#> 1993 762.1000 648.7411 754.1000 840.7000 906.6000 887.1000 771.5000
#> 1994 745.7000 670.3321 821.5000 831.7000 908.0000 912.6000 782.9000
#> 1995 752.4000 688.5938 811.2000 906.0000 927.2000 906.8000 880.6000
#> 1996 833.1000 718.0371 812.0000 895.2000 962.8000 908.6000 908.0000
#> 1997 840.9000 733.8946 857.9000 849.0000 994.8000 830.2000 971.1000
#> 1998 917.3000 722.5946 822.9000 970.1000 970.2000 849.4000 1042.3000
#> 1999 942.0000 744.9929 903.2000 953.2000 1011.2000 894.4000 1054.5000
#> 2000 924.9000 777.5569 901.9000 1024.7000 1052.3000 1165.5000 859.3000
#> 2001 971.9000 821.8732 1017.5000 1039.2000 1123.5000 1024.9000 1100.8000
#> 2002 1027.9000 848.9125 1043.9000 1075.3000 1190.9000 1143.0000 1075.7000
#> 2003 1099.3000 908.5402 1092.7000 1222.4000 1237.1000 1237.9000 1182.0000
#> 2004 1182.9000 964.2017 1131.4000 1277.1000 1280.3000 1384.1000 1305.9000
#> 2005 1246.3000 1046.5616 1300.8000 1153.7000 1264.2000 1454.2000 1290.1000
#> 2006 1193.7000 1046.9652 1204.5000 1348.6000 1267.6000 1429.0000 1412.0000
#> 2007 1267.3000 1056.3482 1331.6000 1302.6000 1365.1000 1491.5000 1462.3000
#> 2008 1397.8000 1111.0043 1351.7000 1396.6000 1421.1000 1401.6000 1582.3000
#> 2009 1451.0000 1066.0339 1386.9000 1509.1000 1519.4000 1500.5000 1570.7000
#> 2010 1469.1000 1121.8277 1379.9000 1389.7000 1427.2000 1551.4000 1581.0000
#> 2011 1412.6000 1127.4777 1321.6000 1472.6000 1408.9000 1471.9000 1532.5000
#> 2012 1362.4000 1102.4319 1349.2000 1391.2000 1456.9000 1616.4000 1423.4000
#> 2013 1397.4000 1123.5429 1397.3000 1339.1000 1441.9000 1537.4000 1390.6000
#> 2014 1451.0000 1074.4080 1293.2000 1442.9000 1411.8000 1461.6000 1501.6000
#> 2015 1471.2000 1063.2089 1367.2000 1442.2000 1428.7000 1480.9000 1540.9000
#> 2016 1519.2000 1125.9086 1451.5000 1451.0000 1449.7000 1596.1000 1468.3000
#> 2017 1428.5000 1102.1536 1370.3000 1522.6000 1452.4000 1557.2000 1445.5000
#> Aug Sep Oct Nov Dec
#> 1982 438.4000 465.1000 452.7000 522.9000 889.3000
#> 1983 458.2000 482.7000 485.3000 568.7000 963.7000
#> 1984 503.4000 522.8000 556.6000 623.2000 1039.4000
#> 1985 582.5000 563.1000 637.1000 697.1000 1187.5000
#> 1986 581.1000 661.9000 665.6000 700.9000 1367.9000
#> 1987 601.6000 672.3000 709.1000 743.2000 1460.1000
#> 1988 650.9000 723.3000 729.6000 870.3000 1570.0000
#> 1989 723.8000 757.9000 751.7000 923.8000 1569.4000
#> 1990 759.4000 741.1000 786.6000 931.5000 1563.1000
#> 1991 770.4000 741.5000 858.6000 944.7000 1600.3000
#> 1992 723.6000 819.8000 902.5000 968.6000 1650.9000
#> 1993 728.7000 844.7000 886.9000 970.0000 1710.5000
#> 1994 798.8000 887.0000 934.6000 1000.4000 1817.5000
#> 1995 873.9000 856.8000 920.6000 1067.4000 1857.2000
#> 1996 888.9000 833.7000 933.7000 1081.6000 1837.6000
#> 1997 836.0000 939.1000 976.9000 1111.3000 1879.1000
#> 1998 869.9000 939.4000 1021.3000 1137.7000 1975.7000
#> 1999 899.5000 1002.3000 1043.7000 1207.2000 2069.6000
#> 2000 1009.2000 1054.6000 1070.4000 1232.5000 2177.5000
#> 2001 963.0000 1012.9000 1132.0000 1344.8000 2269.5000
#> 2002 1065.9000 1060.1000 1211.4000 1495.1000 2338.6000
#> 2003 1101.2000 1198.2000 1316.1000 1528.2000 2424.2000
#> 2004 1166.8000 1317.9000 1358.3000 1536.7000 2500.8000
#> 2005 1210.7000 1277.8000 1314.4000 1540.4000 2536.0000
#> 2006 1239.2000 1219.1000 1344.6000 1623.3000 2611.1000
#> 2007 1315.5000 1353.3000 1440.6000 1687.9000 2747.0000
#> 2008 1268.4000 1383.3000 1452.4000 1675.9000 2886.1000
#> 2009 1341.5000 1399.9000 1534.3000 1736.6000 2795.1000
#> 2010 1324.0000 1422.0000 1464.9000 1705.5000 2752.4000
#> 2011 1293.5000 1345.7000 1404.7000 1660.0000 2730.5000
#> 2012 1359.0000 1367.8000 1442.6000 1672.9000 2753.3000
#> 2013 1337.2000 1359.4000 1463.3000 1668.9000 2725.5000
#> 2014 1254.2000 1356.4000 1478.7000 1687.7000 2756.9000
#> 2015 1331.9000 1400.1000 1566.3000 1730.5000 2913.6000
#> 2016 1293.9000 1393.5000 1497.4000 1684.3000 2850.4000
#> 2017 1303.1000
# with reverse we can find the
all.equal(ts_adjust(ts_adjust(y), reverse = TRUE), y)
#> [1] TRUE