时间序列数据的多变量分析

时间:2016-04-22 09:02:23

标签: r time-series

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

1 个答案:

答案 0 :(得分: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kmeanshclust(dist(myData))。有关详细信息,请参阅here