有效的多时间序列分析的最佳实践

时间:2011-10-19 22:24:50

标签: r matlab statistics time-series

我有大量的时间序列(> 100),它们的采样频率和可用时间段不同。每个时间序列都必须进行单位根和季节性调整以及其他初步数据转换和检查等测试。

由于必须定期检查大量系列,有效解决方案是什么?关注的是节省常规方面的时间并跟踪系列和分析结果。例如,该系列的单位根测试是主观的。这种类型的分析可以自动化多少以及如何进行?

我已经阅读了有关统计workflow的问题,建议在每个系列上运行一个通用脚本。

我根据处理多个时间序列数据集的经验,询问更具体的内容。重点更多的是在处理如此多的系列时最大限度地减少错误,并自动执行重复性任务。

1 个答案:

答案 0 :(得分:4)

我假设系列将被独立检查,因为你没有提到模型中的任何相互关系。我不确定您要使用的是哪种对象或哪些测试,但“最佳实践”的基本目标与要使用的实际包无关。

最简单的方法是将对象加载到列表中,并通过简单的迭代器(如lapply)或通过多核方法(如mclapplyforeach分析每个系列,在R中。对于Matlab,你可以在单元阵列上操作。并行计算工具箱有一个名为parfor的函数,用于“parallel for”,类似于R中的foreach函数。对于我的钱,我建议使用R,因为它更便宜(免费)并且具有更丰富的统计分析功能。 Matlab有更好的文档和帮助工具,但随着您越来越熟悉研究的工具和方法(以及随着您的参考书架的增长),这些工具往往不那么重要。

一般习惯使用多核工具是很好的,因为这可以大大减少对一堆独立小物体进行分析所需的时间。