r - 毎回複数のポイントを持つ時系列を処理する方法(R)?

Question

各時間ステップでいくつかの異なる観測値を含む時系列があります (同じ現象の測定ですが、異なる場所からの測定値)。弱い循環パターンがあるように見えますが、よくわかりません。何が起こっているのかをよりよく理解するには、R で acf 関数をどのように実装すればよいでしょうか? 時系列全体でそのまま呼び出すことはできますか？各日付の観測が 1 つだけになるように、時系列を場所ごとに分ける必要がありますか? 最初にモデルを当てはめ、残差を見る必要がありますか?

Answer 1

この問題を解決するための巧妙なトリックを見つけました。データを場所ごとに分割し、それらを 1 つの長い時系列として連結しました。ただし、これの問題は、あるシリーズの終わりから次のシリーズの始まりまでのラグを考慮したくないため、シリーズの間に多数の NA を挿入し、引数 na.action= を使用したことです。 na.pass を挿入し、lag.max を挿入した NA の数に設定します。この場合、私のデータは 2 週間ごとに 1 回の観測 (26 時間増分) で 1 年にわたるので、各シリーズの間に 26 個の NA を挿入しました。

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)

これにより、すべてのデータを利用してパターンを見つけることができましたが、一度に 1 つの場所でこの分析を試みた場合、データがまばらであるためにほとんど意味がありませんでした。

Answer 2

どのように保管したいかによって異なります。私は通常、xtsと動物園で生きて死ぬのですが、彼らは (強く) 明確で (厳密に) 単調に増加するインデックス値 (xts のタイムスタンプとも呼ばれます) を好みます。

そのため、データサイズに比べて衝突が「比較的少ない」場合と、最小の増分が増分の中央値に対して「まだ小さい」場合、タイムスタンプを一意にすることでごまかしました。実際、私はそれを非常に頻繁に行い、著者に頻繁にメールを送信したため、xts は最終的にmake.time.unique()...