我有一个包含12个变量的矩阵,每个变量有1343个观测值。我希望为这些变量中的每一个计算自动关联,并使用全部数据来完成这些操作,即lag.max = 1343
。R中多元时间序列的自动关联
使用acf()
函数我可以计算单个变量的自动关联,但我希望在单个矩阵图(3 x 4)中绘制全部12个。
使用acf(linear[,1],lag.max = (length(linear)))
生产:
我的数据如下所示:
> class(linear)
[1] "matrix"
> str(linear)
num [1:1343, 1:12] -102 -101 -101 -101 -101 ...
- attr(*, "dimnames")=List of 2
..$ : chr [1:1343] "2017-01-20 16:30:00" "2017-01-20 16:45:00" "2017-01-20 17:00:00" "2017-01-20 17:15:00" ...
..$ : chr [1:12] "DO0182U09A3" "DO0182U09B3" "DO0182U09C3" "DO0182U21A1" ...
我已经尝试通过列的范围中线性矩阵
acf(linear[,1:12], lag.max = 1343)
但它似乎产生了一种acf阴谋每个图中的标题似乎表示相关性图,请参阅下图。
从阅读?acf
的详细信息我看到你可以传递一个多变量时间序列,我相信我的linear
对象是,但是我得到了如下的相关图。
难道我的问题是在创建linear
之前我有一个对象叫wideRawXTS
。
> str(wideRawXTS)
An ‘xts’ object on 2017-01-20 16:30:00/2017-02-03 16:00:00 containing:
Data: num [1:1343, 1:12] -102 -101 -101 -101 -101 ...
- attr(*, "dimnames")=List of 2
..$ : NULL
..$ : chr [1:12] "DO0182U09A3" "DO0182U09B3" "DO0182U09C3" "DO0182U21A1" ...
Indexed by objects of class: [POSIXlt,POSIXt] TZ:
xts Attributes:
NULL
因为有一些变量的缺失值我进行了一个线性插值如下:
linear <- apply(wideRawXTS, 2, na.interpolation, option = "linear")
我需要的linear
第一列再转换成一个XTS对象?
任何人都可以提供一些指导,说明在产生自相关矩阵图时我可能会出错吗?
> head(linear)
DO0182U09A3 DO0182U09B3 DO0182U09C3 DO0182U21A1 DO0182U21A2 DO0182U21A3 DO0182U21B1 DO0182U21B2 DO0182U21B3
2017-01-20 16:30:00 -101.50 -103.37 -103.86 -104.78 -104.95 -105.33 -102.50 -99.43 -104.05
2017-01-20 16:45:00 -101.32 -102.75 -104.22 -104.51 -103.94 -105.29 -102.82 -101.99 -103.94
2017-01-20 17:00:00 -101.45 -103.30 -103.93 -104.70 -104.82 -105.13 -103.72 -103.95 -104.25
2017-01-20 17:15:00 -100.91 -95.92 -99.22 -103.83 -104.72 -105.19 -103.57 -101.36 -104.09
2017-01-20 17:30:00 -100.91 -103.04 -104.09 -102.15 -104.91 -105.18 -103.88 -104.09 -103.96
2017-01-20 17:45:00 -100.97 -103.67 -104.12 -105.07 -104.23 -97.48 -103.92 -103.89 -104.01
DO0182U21C1 DO0182U21C2 DO0182U21C3
2017-01-20 16:30:00 -104.51 -104.42 -105.17
2017-01-20 16:45:00 -104.74 -104.65 -105.25
2017-01-20 17:00:00 -105.02 -105.04 -105.32
2017-01-20 17:15:00 -103.90 -102.95 -105.16
2017-01-20 17:30:00 -104.75 -105.07 -105.23
2017-01-20 17:45:00 -105.08 -105.14 -104.89
根据来自@ eipi10这里的反馈是他们的建议输出。我的笔记本花了大约20分钟来计算,但我不知道它代表什么!所有的情节看起来都完全一样。
这是否你在寻找什么:'面值(mfrow = C(3,4)); sapply(线性,acf,lag.max = nrow(线性))' – eipi10
@ eipi10感谢您的回复,您的评论确实产生了矩阵图,但我不知道它代表什么!水平尺度似乎搞砸了。我不知道如何添加图片到评论,但我会修改原来的帖子与输出。 – TheGoat