r - 估计 Yeo 和 Johnson 变换的 Lambda

Question

我在 csv 文件中有一个降雨值的时间序列。我绘制了数据的直方图。直方图向左倾斜。我想转换这些值，使其具有正态分布。我使用了 R 中可用的 Yeo-Johnson 变换。变换后的值在此处。

我的问题是：

在上述转换中，我对 lambda 使用了 0.5 的测试值，效果很好。是否可以根据时间序列确定 lambda 的最佳值？我会很感激任何建议。

到目前为止，这是代码：

library(car)
dat <- scan("Zamboanga.csv")
hist(dat)
trans <- yjPower(dat,0.5,jacobian.adjusted=TRUE)
hist(trans)

这是 csv 文件。

Answer 1

首先通过使用boxCoxcar 包中的函数通过最大似然估计 λ 来找到最佳 lambda。

您可以像这样绘制它：

boxCox(your_model, family="yjPower", plotit = TRUE)

正如 Ben Bolker 在评论中所说，这里的模型可能类似于

your_model <- lm(dat~1)

然后在现有代码中使用优化的 lambda。