r - 如何处理每次都有多个点的时间序列（在 R 中）？

Question

我有一个时间序列，每个时间步都有一些不同的观察结果（测量相同的现象，但来自不同的位置），看起来它可能有一个弱循环模式，但我不确定。我将如何在 R 中实现 acf 函数以更好地了解正在发生的事情？我可以按原样在整个时间序列上调用它吗？我是否需要按位置分隔时间序列，以便每个日期只有一个观察值？我需要先拟合模型并查看残差吗？

Answer 1

这取决于您要如何存储它们。我通常以xts和zoo为生死，他们（强烈）更喜欢不同的和（严格）单调递增的索引值——也就是 xts 的时间戳。

因此，在一种情况下，相对于数据大小，我的冲突“相对较少”，并且最小增量“仍然很小”到中值增量，我通过使时间戳唯一来捏造。事实上，我经常这样做，并且经常与作者邮寄 xts 最终make.time.unique()...

Answer 2

我找到了一个巧妙的技巧来解决这个问题。我按位置划分数据，然后将它们连接成一个长时间序列。不过，问题在于我不想考虑从一个系列结束到下一个系列开始的滞后，所以我在系列之间插入了一堆 NA 并使用了参数 na.action= na.pass 并将 lag.max 设置为我插入的 NA 的数量。在这种情况下，我的数据跨越一年，每两周观察一次（26 个时间增量长），所以我在每个系列之间插入了 26 个 NA。

new.time.series<- c(Loc1Series, rep(NA,26), Loc2Series, rep(NA,26), Loc3Series,     rep(NA,26))
acf(new.time.series, na.action=na.pass, lag.max=30)

这使我能够利用我的所有数据来找到一种模式，而如果我一次尝试这个分析一个位置，由于数据稀疏，我会发现意义不大。