Question

我有一个尺寸为m乘n的矩阵。例如：

m = 4
n = 10
mat = matrix(rnorm(m*n), nrow = m, ncol=n)

对于某对行i，j：

i=1
j=2

我计算第i行的自相关与第i行和第j行的互相关之间的相关性。所以给出：

lag=5

第i行的自相关将是：

acf.i = acf(mat[i,],lag.max=lag)

行i和j的互相关是：

ccf.i.j = ccf(mat[i,],mat[j,],lag.max=lag)

和acf.i和ccf.i.j之间的相关性如下：

cor.acf.i.ccf.i.j = cor(acf.i$acf,ccf.i.j$acf[(lag+1):(2*lag+1)])

（因为ccf计算与滞后范围的相关性：-lag：lag和acf仅在0的范围内：滞后我任意选择取范围0：滞后ccf.i.j）

我想要的是在垫子的所有行中，在垫子中的每一行和每一行中有效地做到这一点。我想这个函数应该返回一个维数为m乘m的矩阵。

Answer 1

确保您为plot，acf设置ccf为FALSE。然后，您可以将代码打包到outer，以提供每对i和j值。请注意，由于outer需要矢量化FUN（例如*），我们需要对您的函数进行矢量化：

set.seed(1)
m <- 4
n <- 10
mat <- matrix(rnorm(m*n), nrow = m, ncol=n)
lag <- 5

outer(1:nrow(mat), 1:nrow(mat),
  Vectorize(
    function(i, j) {
      acf.i <- acf(mat[i,],lag.max=lag, plot=F)
      ccf.i.j <- ccf(mat[i,],mat[j,],lag.max=lag, plot=F)    
      cor(acf.i$acf,ccf.i.j$acf[(lag+1):(2*lag+1)])
} ) )
#            [,1]        [,2]         [,3]        [,4]
# [1,]  1.0000000  0.47035200 -0.006371955 -0.85880247
# [2,]  0.4133899  1.00000000 -0.462744858 -0.13327111
# [3,] -0.3573965  0.01882691  1.000000000  0.09358042
# [4,] -0.8570117 -0.58359258  0.249930947  1.00000000

这是相对有效的。可能有一个比你用来获得相同答案的算法更好的算法，但我对这些东西不太熟悉，无法提供它。

计算矩阵中每对行的自相关和互相关之间的相关性

1 个答案: