Question

我正在尝试评估二元分层结构生态数据的时间序列中的自相关程度。我有11个年来每6个月在多个独立部位（n = 469）测量的生物存在或不存在（1或0）的数据（产生22个等距时间点）。

以下是一些可以使用的虚拟数据：

# Create dummy time series (random 0 or 1 value for absent or present)
# Format of time series is matrix with rows as sites and columns as time points

set.seed(1)

dat <- matrix(sample(0:1, 469*22, replace=T), nrow=469, ncol=22)

我想知道每个部位生物体存在/不存在的序列相关程度（时间= t对时间= t-1，t-2，t-3，...，t-21）。虽然数据是空间结构的，但我并不真正关心特定于网站的趋势，而只关注整体关系。有人可以帮我确定格式化数据的适当方式，以便在程序包中使用（例如“acf”）或设计用于处理此问题的自定义函数吗？

Answer 1

这个怎么样？

set.seed(1)

dat <- data.frame(id=1:469,matrix(sample(0:1, 469*22, replace=T), nrow=469, ncol=22))
library(tidyr);library(dplyr)


dat %>%
  gather(time,dummy,-id)->dat2
library(lme4)
model<-glmer(dummy~time+(1|id),dat2,family="binomial")
vcov(model) #variance-covariance matrix

具有多个组的二进制时间序列中的自相关

1 个答案: