Question

我在2012年做过的气候实验的时间序列非常短。数据包括每日水溶液通量和每日CO2通量数据。 CO2通量数据包括52天，水溶液通量数据仅为7天。我每天对CO2通量数据进行多次测量，但我计算了每日平均值。

现在，我想知道这些时间序列是否有趋势。我已经发现我可以使用Kendall趋势测试或Theil-Sen趋势估算器。我之前使用肯德尔测试进行了几年的时间序列测试。我不知道如何使用Theil-Sen趋势估算器。

我将数据放入R中的ts对象，但是当我尝试进行分解（使用函数分解）时，我得到的错误是时间序列跨越少于2个周期。我想提取趋势数据，然后对其进行Mann-Kendall测试。

这是我到目前为止的代码：

myexample <- structure(c(624.27, 682.06, 672.77, 
                     765.96, 759.52, 760.38, 742.81
), .Names = c("Day1", "Day2", "Day3", "Day4", "Day5", "Day6", 
          "Day7"))

ts.object <- ts(myexample, frequency = 365, start = 1)

decomp.ts.obj <- decompose(ts.obj, type = "mult", filter=NULL)

# Error in decompose(ts.obj, type = "mult", filter = NULL)

任何人都可以帮我解决如何使用我很短的时间序列进行趋势分析吗？任何google-fu都无济于事。并且，有人能告诉我Kendall tau的大小是什么意思吗？它跨越从-1到1的值。是tau = 0.5强或弱趋势？

谢谢，斯蒂芬

Answer 1

我很想做一些简单的事情，比如

d <- data.frame(val=myexample,ind=seq(myexample))
summary(lm(val~ind,d))

或

library(lmPerm)
summary(lmp(val~ind,d))

或

cor.test(~val+ind,data=d,method="kendall")

tau = 0.5是强还是弱取决于背景。在这种情况下，p值为0.24，至少表明该信号（仅基于秩）不能与适当的空信号区分开来。

R - 短时间序列的趋势估计

1 个答案: