Многомерный анализ данных временных рядов

Question

Я анализирую некоторые данные, которые я собрал в течение 3 недель, в частности, я хотел бы сопоставить зависимую переменную (y) с другими 10 независимыми метерологическими переменными (x1 - x10); Я думал о многомерной регрессии, но я хотел бы также рассмотреть стационарные данные как временные ряды, так как все данные собирались каждые 5 минут за весь временной диапазон. Что-то вроде этого: y (t) ~ a1 * x1 (t) + ... + a10 * x10 (t) + q (t) Какие модели вы могли бы предложить, чтобы запустить в R-кране? В качестве альтернативы, я хотел бы также подойти к своего рода кластерному анализу, который учитывает также время как covariate, но не нашел правильный пакет для R-крана. Спасибо заранее, Elisa

Answer 1

Однако ваше уравнение у (т) ~ a1 * x1 (т) + ... + а10 * x10 (т) + д (т) действительно не время серии поскольку все входы находятся в момент времени t. Вы имели в виду что-то вроде y (t) ~ a1 * x1 (t) + ... + a10 * x10 (t) + y (t - 1) вместо этого?

Функция stats::arima может вмещать многомерные модели временных рядов с использованием аргумента xreg для включения ковариатов.

Чтобы сделать кластеризацию со временем как ковариата, просто преобразуйте свой столбец времени в числовой столбец. Затем существует большое количество методов кластеризации, включая kmeans и hclust(dist(myData)). См. here для более подробной информации.