创建对称自相关矩阵答案

【问题标题】：Creating symmetric autocorrelation matrix创建对称自相关矩阵
【发布时间】：2019-07-14 06:32:06
【问题描述】：

我正在对时间序列数据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，按滞后计算

     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

为了实现矩阵，然后我对数据执行 data.frame 更改，以允许我以任何指定的延迟滑动值：

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

给予：

> 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，这会给出正确的 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之前的值发生变化。

    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

如您所见，1 步滞后数据相关性已发生变化。我认为这是由于na.omit() 可能会删除整个前两行，因为第二个滞后的介绍给出了两个NAs，但我不确定如何在第一个滞后计算中正确省略它们。

【问题讨论】：

也许可以试试cor(dataLag,use="pairwise.complete.obs") ?
您可能需要考虑 ccf 函数 - 请参阅 ?ccf
嗨，本，效果很好。我将附上一个答案，为未来的用户展示最终结果。

标签： r dataframe correlation autocorrelation

【解决方案1】：

正如 Ben Bolker 在 cmets 中提到的，只需添加“pairwise.complete.obs”的“use”参数即可正确省略 NA。

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

【讨论】：