r - 如何使用 R 测试多个时间序列之间的差异

Question

我有很多时间序列，每个时间序列代表一种植物。我认为有一种模式取决于木质密度。高木质密度的物种只在雨季之间开花。低密度树种在任何时期开花。

对于许多物种的时间序列和木质密度测量值，我如何使用 R 对其进行建模以证明这种模式？

下面是数据的示例:

#Woody Density
set.seed(69)
wden<-round(c(rnorm(5,mean=50),rnorm(5,mean=90)))
names(wden)<-c(paste("sp",1:10,sep=""))
wden

#Chuva
rain<-c(150,100,50,40,20,20,30,50,70,100,150,200,150,100,50,30,20,20,40,50,70,100,150,200)


#Flowering measures
ydet<-c(10,10,10,10,20,40,50,40,20,10,10,10)

#2 years for 5 low woody density and 5 high density species
flowering<-matrix(NA,nrow=24, ncol=10,dimnames=list(paste("month",1:24,sep=""),paste("sp",1:10,sep="")))
for (i in 1:5) {
               flowering[,i]<-round(c(ydet+rnorm(12,mean=5,sd=5),ydet+rnorm(12,mean=5,sd=5)),digits=2)
               }
for (i in 6:10) {
               flowering[,i]<-round(c(rnorm(12,mean=30,sd=5),rnorm(12,mean=30,sd=5)),digits=2)
               }
#Changing objects to Time series
flowering<-ts(flowering)
#Plot series
plot(flowering)

#Making colors for wood density
cores<-heat.colors(10,alpha=1)
matplot(c(1:24),flowering,type="l",lwd=2,lty=1,xlab="Time",ylab="Flowering",col=cores[order(wden)])

#Plotting Rain Together with time series
bargraph<-barplot(rain/max(rain)*100,xlab="Time",ylab="Rain")
matlines(bargraph,flowering,type="l",lwd=2,lty=1,xlab="Time",ylab="Flowering",col=cores[order(wden)])
axis(1,at=bargraph,labels=1:24)
axis(4,at=seq(0,100,by=10))

Answer 1

我可能真的建议你在 http://stats.stackexchange.com 上试试这个，或在 r-sig-ecology@r-project.org 邮件列表中。这有点像一 jar 蠕虫。根本问题是很难证明两个时间序列的关联是因果关系，因为(尤其是当两者随时间规律波动时)它们很容易在大约同一时期波动，因此看起来排列一致(这方面的经典例子是太阳黑子周期和各种完全不相关的时间序列，例如纽约证券交易所)。

对此的经典方法是独立地“白化”每个时间序列(您可以拟合周期性样条或正弦模型，或者只是从季节性平均值中获取模式差异)直到每个时间序列都与白色无法区分噪声，然后检查时间序列之间的互相关(零滞后，即规则相关，或其他滞后代表领先/跟随模式)。在您的情况下，您可能希望了解互相关如何随木材密度依次变化。

或者，您可以将数据合并为“雨季”和“旱季”并进行更标准的分析(通过合并消除大部分相关性)，但是 (1) 如果有先验季节划分，而不是通过查看数据来划分； (2) 你可能会以这种方式失去一些力量和/或有趣的精细模式； (3) 一些基本的推理问题仍然存在——开花与雨有关，还是只与雨季有关？？

不过，这是一个很好的例子。