5

我正在对时间序列数据向量执行自相关过程。我正在寻找一个由给定时间序列的自相关组成的对称矩阵。

我正在使用该acf()函数来检查我的值并返回：

系列“acfData”的自相关，按滞后

     0      1      2      3      4      5      6      7      8      9     10     11     12     13 
 1.000 -0.038  0.253  0.266  0.250  0.267 -0.182  0.281 -0.013 -0.067 -0.122 -0.115 -0.023 -0.337

为了实现矩阵，我然后对数据执行 data.frame 更改，以允许我以任何指定的滞后滑动值：

dataF <- data.frame("data" = acfData)
names(dataF)[1] <- "acfData"
dataLag <- slide(dataF, "acfData", slideBy = -1)

给予：

> head(dataLag)
  acfData acfData-1
1      -7        NA
2       5        -7
3       4         5
4     -17         4
5       6       -17
6     -10         6

cor()当我只执行一个函数时，这给出了正确的 2x2 矩阵：

> cor(na.omit(dataLag))
              acfData   acfData-1
acfData    1.00000000 -0.03842146
acfData-1 -0.03842146  1.00000000

然而，将其扩展到第二个时滞矩阵会导致先前的值发生变化。

    dataLag <- cbind(dataLag, slide(dataF, "acfData", slideBy = -2)[2])
> head(dataLag)
      acfData acfData-1 acfData-2
    1      -7        NA        NA
    2       5        -7        NA
    3       4         5        -7
    4     -17         4         5
    5       6       -17         4
    6     -10         6       -17

再次执行该cor()功能会导致：

> cor(na.omit(dataLag))
              acfData   acfData-1   acfData-2
acfData    1.00000000 -0.03156163  0.27502462
acfData-1 -0.03156163  1.00000000 -0.07361449
acfData-2  0.27502462 -0.07361449  1.00000000

如您所见，1 步滞后数据相关性已发生变化。我认为这是由于na.omit()第二个滞后的介绍可能会删除整个前两行给两个NAs，但我不确定如何在第一个滞后计算中正确省略它们。

4

1 回答 1

0

正如 Ben Bolker 在评论中提到的，只需添加“pairwise.complete.obs”的“use”参数即可正确省略 NA。

该函数的新返回值为：

> cor(dataLag, use="pairwise.complete.obs")
              acfData   acfData-1   acfData-2
acfData    1.00000000 -0.03842146  0.27502462
acfData-1 -0.03842146  1.00000000 -0.07361449
acfData-2  0.27502462 -0.07361449  1.00000000
于 2019-02-20T16:42:44.813 回答