Question

我正在为时间序列数据的向量执行自相关过程。我希望为给定的时间序列创建一个由自相关组成的对称矩阵。

我正在使用acf()函数检查我的值，并返回：

“ acfData”系列的自相关，按时滞

     0      1      2      3      4      5      6      7      8      9     10     11     12     13 
 1.000 -0.038  0.253  0.266  0.250  0.267 -0.182  0.281 -0.013 -0.067 -0.122 -0.115 -0.023 -0.337

然后要获得矩阵，我对数据执行data.frame更改，以使我可以将值滑动指定的滞后时间：

dataF <- data.frame("data" = acfData)
names(dataF)[1] <- "acfData"
dataLag <- slide(dataF, "acfData", slideBy = -1)

提供：

> head(dataLag)
  acfData acfData-1
1      -7        NA
2       5        -7
3       4         5
4     -17         4
5       6       -17
6     -10         6

当我只执行cor()函数时，这将给出正确的2x2矩阵：

> cor(na.omit(dataLag))
              acfData   acfData-1
acfData    1.00000000 -0.03842146
acfData-1 -0.03842146  1.00000000

但是，将其扩展到第二个时滞矩阵会导致以前的值发生变化。

    dataLag <- cbind(dataLag, slide(dataF, "acfData", slideBy = -2)[2])
> head(dataLag)
      acfData acfData-1 acfData-2
    1      -7        NA        NA
    2       5        -7        NA
    3       4         5        -7
    4     -17         4         5
    5       6       -17         4
    6     -10         6       -17

再次执行cor()函数会导致：

> cor(na.omit(dataLag))
              acfData   acfData-1   acfData-2
acfData    1.00000000 -0.03156163  0.27502462
acfData-1 -0.03156163  1.00000000 -0.07361449
acfData-2  0.27502462 -0.07361449  1.00000000

您可以看到1步的滞后数据相关性已更改。我认为这是由于na.omit()可能由于第二次延迟的介绍而删除了整个前两行，而第二次延迟给了两个NA，但是我不确定如何在第一次延迟中正确省略它们计算。

Answer 1

正如本·博克尔（Ben Bolker）在评论中提到的，只需添加“ pairwise.complete.obs”的“ use”参数即可正确省略NA。

该函数的新返回值是：

> cor(dataLag, use="pairwise.complete.obs")
              acfData   acfData-1   acfData-2
acfData    1.00000000 -0.03842146  0.27502462
acfData-1 -0.03842146  1.00000000 -0.07361449
acfData-2  0.27502462 -0.07361449  1.00000000

创建对称自相关矩阵

1 个答案: