5個時間序列（距離）和解釋的互相關

我有5個時間序列數據（的一例步驟在該系列是在下面的曲線圖），其中，系列中的每個步驟是進行了調查6H開在海洋物種目擊的垂直輪廓。所有5個步驟垂直間隔0.1m（以及6h的時間）。

我想要做的是計算所有系列之間的多變量互相關，以便找出配置文件最爲相關並且隨時間變化穩定的時滯。

資料例如：

我覺得上沒有那麼大R中的文檔，所以我做了什麼至今使用包MTS與CCM函數來創建互相關矩陣。然而，對於這些數字的解釋相當困難，而且文件稀少。我會很感激一些幫助。

數據示例： http://pastebin.com/embed_iframe.php?i=8gdAeGP4 保存在文件cross_correlation_stack.csv中或根據需要進行更改。

library(dplyr) 
library(MTS) 
library(data.table) 

d1 <- file.path('cross_correlation_stack.csv') 
d2 = read.csv(d1) 

# USING package MTS 
mod1<-ccm(d2,lag=1000,level=T) 

#USING base R 
acf(d2,lag.max=1000) 

# MQ plot also from MTS package 
mq(d2,lag=1000)

將會產生本（所述CCM命令）：

此：

和此：

P中arallel，從上面的ACF命令產生這樣的：

我現在的問題是，如果有人能在我在正確的方向是否打算給予一定的輸入，還是有更適合的包和命令？

由於默認數字沒有得到任何標題等我在看什麼，特別是在ccm數字？

ACF命令是在某處提出的，但我可以在這裏使用它嗎？在它的文檔中說...計算自協方差或自相關...我認爲這不是我想要的。但是，這又是唯一一個似乎可以運行多變量的命令。我很困惑。

具有顯着性值的圖顯示，在150（15米）的滯後後，p值增加。你如何解釋我的數據？物種目擊的0.1次間隔和許多滯後達100-150是重要的？這是否意味着目睹峯值的情況在150個落後15米的範圍內在5個時間步長內保持穩定？

無論哪種方式，如果有人曾使用過此功能可以解釋我正在看的東西，那將是非常好的！任何意見都非常感謝！

來源

2015-11-23 Moritz Schmid

可以使用鹼R功能ccf()，這將估計任何兩個變量X和ÿ之間的互相關函數。但是，它僅適用於矢量，因此您必須遍歷d1中的列。喜歡的東西：

cc <- vector("list",choose(dim(d1)[2],2)) 
par(mfrow=c(ceiling(choose(dim(d1)[2],2)/2),2)) 
cnt <- 1 
for(i in 1:(dim(d1)[2]-1)) { 
    for(j in (i+1):dim(d1)[2]) { 
    cc[[cnt]] <- ccf(d1[,i],d1[,j],main=paste0("Cross-correlation of ",colnames(d1)[i]," with ",colnames(d1)[j])) 
    cnt <- cnt + 1 
    } 
}

這將繪製每個估計CCF的和估算存儲在列表中cc。請務必記住，ccf(x,y)返回的值是x[t+k]與y[t]之間的相關性的估計。

所有這些都說ccf只是爲或多或少正態分佈的數據定義的，但是你的數據顯然是過度分散的，所有這些零都是。因此，缺乏一些適當的轉換，你應該真正考慮其他的「關聯」度量，比如從熵估計的互信息。我建議檢查R包entropy和infotheo。

來源

2015-11-25 21:41:52

非常感謝那些信息！ –

5個時間序列（距離）和解釋的互相關

回答

相關問題