正确的相关性分析可用于多元气候时间序列

时间:2018-12-18 20:15:51

标签: r time-series correlation cross-correlation multivariate-testing

我面临着一个问题,即如何最好地对具有多个变量的两个时间序列数据集执行相关分析。它们都是不稳定的,具有最小的离群值,在某些位置的数据收集方面存在差距这是我将描述变量和数据集的完整集合的方式:

  • X时间序列数据集具有2个变量 X1 (降雨)和 X2 (气温)
  • Y时间序列数据集具有3种环境类型,每种都有两个变量: Ya1 (沼泽水温), Ya2 (沼泽氧浓度), Yb1 (流水温度), Yb2 (流氧浓度), Yc1 (河水温度)和 Yc2 (河氧浓度)

我想验证使用X时间序列和Y时间序列的使用,特别是使用相关分析,同时还要相互关联并考虑“子变量”。

我曾经考虑过使用典范相关性分析,但是它没有考虑时间序列。我曾经考虑过使用互相关,但是计算每个单独的组合似乎真的很费力。

我正在寻找一个输出,以解释它们之间相关性的“程度”。我的最终目标是对相关变量执行小波变换,但这更容易实现。我还希望能够使用R来完成所有统计上的繁重工作。

所以,我的问题是,互相关是否对我来说是最佳选择?还是有一个更优雅的解决方案?

0 个答案:

没有答案