时间序列数据的多变量分析

Question

我正在分析我收集的一些数据3周，特别是我想将因变量（y）与其他10个独立的气象学变量（x1 - x10）相关联;我在考虑多元回归，但我还想将静止数据视为时间序列，因为所有数据都是在整个时间范围内每5分钟收集一次。 像这样的东西： y（t）~a1 * x1（t）+ ... + a10 * x10（t）+ q（t） 你可以建议什么样的模型，在R cran运行？ 或者，我也希望采用一种聚类分析方法，同时将时间视为协变量，但是没有找到适合R cran的包。 先感谢您， ELISA

Answer 1

然而，你的等式y（t）~a1 * x1（t）+ ... + a10 * x10（t）+ q（t）实际上不是时间序列模型，因为所有输入都在时间t 。你的意思是y（t）~a1 * x1（t）+ ... + a10 * x10（t）+ y（t - 1）吗？

函数stats::arima可以使用参数xreg拟合多变量时间序列模型以包含协变量。

要将时间作为协变量进行聚类，只需将时间列转换为数字列即可。然后有大量的聚类方法，包括kmeans和hclust(dist(myData))。有关详细信息，请参阅here。