時系列多変量回帰 - 不規則な時間入力/複数変数

Question

http://a-little-book-of-r-for-time-series.readthedocs.io/en/latest/src/timeseries.htmlを含む1か月以上の助けとオンライン予約を読んでいますが、私に必要なものと似たような例は見つからないようです。私は定期的ではないデータセットに時間のエントリを持っています。私はつぶやきを追跡しています。 （常に1本が独立したデータフレームで、カウントに従っている - ダミー）

datetime   tweetcount retweets hashtags_used atmention likes 
02-01-2016 02:34  1   3   1    2  1 
04-01-2016 13:45  1   1   1    1  0 
04-01-2016 17:55  1   5   2    4  2 

Follow_dat

datetime   followcount 
02-01-2016 02:34  1   
04-01-2016 13:45  1   
04-01-2016 17:55  1   

- （それはダミーでつぶやき数は常に1である）： ツイートのデータフレームは：ここに私のサンプルデータフレームであります

私はいくつかのことを試しました：例えば、データを数時間にカットするためにcutコマンドを使用しましたが、フォロワーがまだその時間帯につぶやくかもしれないので、これは正確ではありません。 。

私がしようとしているのは、フォロワーが時間の経過とともにどのツイート変数/要因を関連づけているかを調べることです。時間をかけてより洗練された表を作成することで精度を落としていますが、回帰をしてモデルをフィットさせる方法や、重要な要素を見つける方法がないようです。

df$week <- as.Date(cut(df$datetime, breaks = "week", start.on.monday = FALSE)) 

私がデータをカットするために使用したコードです。私は別のテーブルに集計しました。そこから私はARIMAを実行することができますが... a）これは、フォローがツイートの前に起こっても、フォローとツイートが同じ週に関連付けられることを意味します。私はフォローアップが確実になるようにする必要があります。 b）翌週にフォローが発生した場合、それは関連付けられていません。

Answer 1

datetimeを年、月、曜日、分または秒のようないくつかの要因に再コードし、適切な集計を提供するのは妥当なアプローチです。特に季節性や傾向を判断しようとしている場合には適切です。

予測/達成しようとしていることをもう少し詳しく説明できますか？