Question

我有2个每周时间序列，显示一个小的相关性（~0.33）。我怎样才能'及时'转换这一系列中的一个，以便我可以检查是否有数据中的相关性更高？

示例数据：

x = textConnection('1530.2 1980.9 1811 1617 1585.4 1951.8 2146.6 1605 1395.2 1742.6 2206.5 1839.4 1699.1 1665.9 2144.7 2189.1 1718.4 1615.5 2003.3 2267.6 1772.1 1635.2 1836 2261.8 1799.1 1634.9 1638.6 2056.5 2201.4 1726.8 1586.4 1747.9 1982 1695.2 1624.9 1652.4 2011.9 1788.8 1568.4 1540.7 1866.1 2097.3 1601.3 1458.6 1424.4 1786.9 1628.4 1467.4 1476.2 1823 1736.7 1482.7 1334.2 1871.9 1752.9 1471.6 1583.2 1601.4 1987.7 1649.6 1530.9 1547.1 2165.2 1852 1656.9 1605.2 2184.6 1972 1617.6 1491.1 1709.5 2042.2 1667.1 1542.6 1497.6 2090.5 1816.8 1487.5 1468.2 2228.5 1889.9 1690.8 1395.7 1532.8 1934.4 1557.1 1570.6 1453.2 1669.6 1782 1526.1 1411 1608.1 1740.5 1492.3 1477.8 1102.6 1366.1 1701.1 1500.6 1403.2 1787.2 1776.6 1465.3 1429.5')
x = scan(x)

y = textConnection('29.8 22.6 26 24.8 28.9 27.3 26 29.2 28.2 23.9 24.5 23.6 21.1 22 20.7 19.9 22.8 25 21.6 19.1 27.2 23.7 24.2 22.4 25.5 25.4 23.4 24.7 27.4 23.4 25.8 28.8 27.7 23.7 22.9 29.4 22.6 28.6 22.2 27.6 26.2 26.2 29.8 31.5 24.5 28.7 25.9 26.9 25.9 30.5 30.5 29.4 29.3 31.4 30 27.9 28.5 26.4 29.5 28.4 25.1 24.6 21.1 23.6 20.5 23.7 25.3 20.2 23.4 21.1 23.1 24.6 20.7 20.7 26.9 24.1 24.7 25.8 26.7 26 28.9 29.5 27.4 22.1 31.6 25 27.4 30.4 28.9 27.4 22.5 28.4 28.7 31.1 29.3 28.3 30.6 28.6 26 26.2 26.2 26.7 25.6 31.5 30.9')
y = scan(y)

我正在使用R与 dtw包，但我不熟悉这些算法。谢谢你的帮助！

Answer 1

你可以在基数R中尝试ccf()函数。这估计了两个时间序列的互相关函数。

例如，使用您的数据（如果我对您将问题粘贴到R对象x和y中的数据感兴趣，请参见下文）

xyccf <- ccf(x, y)

产生

> xyccf

Autocorrelations of series ‘X’, by lag

   -17    -16    -15    -14    -13    -12    -11    -10     -9     -8     -7 
 0.106  0.092  0.014  0.018  0.011  0.029 -0.141 -0.153 -0.107 -0.141 -0.221 
    -6     -5     -4     -3     -2     -1      0      1      2      3      4 
-0.274 -0.175 -0.277 -0.176 -0.217 -0.253 -0.339 -0.274 -0.267 -0.330 -0.278 
     5      6      7      8      9     10     11     12     13     14     15 
-0.184 -0.120 -0.200 -0.156 -0.184 -0.062 -0.076 -0.117 -0.048  0.015 -0.016 
    16     17 
-0.038 -0.029

和这个情节

enter image description here

为了解释这一点，当滞后为正时，y领先x，而滞后为负x领先y。

将您的数据读入R ...

x <- scan(text = "1530.2 1980.9 1811 1617 1585.4 1951.8 2146.6 1605 1395.2 1742.6
                  2206.5 1839.4 1699.1 1665.9 2144.7 2189.1 1718.4 1615.5 2003.3
                  2267.6 1772.1 1635.2 1836 2261.8 1799.1 1634.9 1638.6 2056.5
                  2201.4 1726.8 1586.4 1747.9 1982 1695.2 1624.9 1652.4 2011.9
                  1788.8 1568.4 1540.7 1866.1 2097.3 1601.3 1458.6 1424.4 1786.9
                  1628.4 1467.4 1476.2 1823 1736.7 1482.7 1334.2 1871.9 1752.9
                  1471.6 1583.2 1601.4 1987.7 1649.6 1530.9 1547.1 2165.2 1852
                  1656.9 1605.2 2184.6 1972 1617.6 1491.1 1709.5 2042.2 1667.1
                  1542.6 1497.6 2090.5 1816.8 1487.5 1468.2 2228.5 1889.9 1690.8
                  1395.7 1532.8 1934.4 1557.1 1570.6 1453.2 1669.6 1782 1526.1
                  1411 1608.1 1740.5 1492.3 1477.8 1102.6 1366.1 1701.1 1500.6
                   1403.2 1787.2 1776.6 1465.3 1429.5")

y <- scan(text = "29.8 22.6 26 24.8 28.9 27.3 26 29.2 28.2 23.9 24.5 23.6 21.1 22
                  20.7 19.9 22.8 25 21.6 19.1 27.2 23.7 24.2 22.4 25.5 25.4 23.4
                  24.7 27.4 23.4 25.8 28.8 27.7 23.7 22.9 29.4 22.6 28.6 22.2 27.6
                  26.2 26.2 29.8 31.5 24.5 28.7 25.9 26.9 25.9 30.5 30.5 29.4 29.3
                  31.4 30 27.9 28.5 26.4 29.5 28.4 25.1 24.6 21.1 23.6 20.5 23.7
                  25.3 20.2 23.4 21.1 23.1 24.6 20.7 20.7 26.9 24.1 24.7 25.8 26.7
                  26 28.9 29.5 27.4 22.1 31.6 25 27.4 30.4 28.9 27.4 22.5 28.4 28.7
                  31.1 29.3 28.3 30.6 28.6 26 26.2 26.2 26.7 25.6 31.5 30.9")

轮班时间序列

1 个答案:

将您的数据读入R ...