我可以使用非常规时间步长对 R 中的动物园对象执行自相关/滞后分析吗？如果是这样，怎么办？

Question

我可以使用非常规时间步长对 R 中的动物园对象执行自相关/滞后分析吗？如果是这样，怎么办？

我在这里找到的唯一一篇文章涉及常规时间序列。我以不规则的时间步长进行了一系列观察。例如，(t,y) = (0,2668), (36.62,2723), (42,2723),...，其中

• t 是时间小时，
• y 是（分类*）观察值。 ... *从原始帖子编辑

我想寻找每日（滞后= 24）和每周（滞后= 168）的滞后相关性，以查看某些类别的观察是否在这些滞后间隔处/附近重复。在 R 中有没有办法做到这一点？我为我的数据创建了一个动物园对象，但找不到任何有关如何执行此操作的文档。

Answer 1

您可以使用aggregate将数据转换为每日数据和每日数据。每周间隔，然后使用对常规时间序列执行此操作的任何函数计算自相关（例如 acf）。例如：

# make a data set to play with
library(zoo)
ts <- sort(runif(100)*168*3) # 100 observations over 3 weeks
ys <- runif(100)       # y values
z <- zoo(ys, order.by=ts)

# ** convert to daily/weekly. ?aggregate.zoo
# NOTE: can use ts instead of index(z)
z.daily <- aggregate(z,index(z) %/% 24)    # has 21 elements (one per day)
z.weekly <- aggregate(z,index(z) %/% 168)  # has 3 elements (one per week)

# Now compute correlation, lag 1 (index in z.daily/weekly)
daily.acf <- acf(z.daily, lag.max=1)[1]
weekly.acf <- acf(z.weekly, lag.max=1)[1]

aggregate 将 z 转换为每日或每周数据，您可以在其中对每天/每周发生的所有事件进行求和。它通过查看index(z) %/% 24（或168）来进行分组，这是观察时间除以24（即发生的日期）的整数部分。

然后，acf 函数计算自相关（lag 位于矢量索引上，而不是时间上）。

我对统计不太了解，我注意到的一件事是，如果您这样做：

weekly.acf <- acf(z.daily,lag.max=7)[7]

您会得到与从 z.weekly 计算自相关时不同的答案，因为它在 每日数据的滞后为 7，而不是每周数据的滞后为 1——所以我不确定我正在做的是否真的是您想要的。