这是Shumway 和 Stoffer 的 EM 算法的一个很好的应用。

首先您需要指定您的 arima 模型，然后您可以使用卡尔曼滤波器，因为它可以处理缺失值（请参阅Durbin 和 Koopman 教科书）。

对于起始参数值，您可以计算缺失值的预期值，然后在给定缺失值的情况下最大化参数并进行迭代。

这在状态空间模型章节的http://www.amazon.com/Time-Analysis-Its-Applications-Statistics/dp/144197864X第 344 页中有很好的解释。

我希望它有帮助！

我建议研究多种插补算法。Gary King 为 R 制作了一个名为Amelia的包，它可以进行非常复杂的多重插补，并且可以很好地处理时间序列。Amelia 将所有数据视为多元正态分布，并从该分布中执行多次随机抽取，直到抽取收敛于最终估算值。但是您可以合并许多自定义功能，以便您可以针对您的特定问题塑造 Amelia 运行，例如包括滞后、领先和多项式表达式。