R包分析时空相关数据和相关预测变量对响应变量的单独影响

Question

我正在寻找合适的R包进行分析： i）不同样本地点/季节的一个或两个响应变量的统计差异是空间时间相关。 ii）分离各种参数对响应变量的影响，其中几个预测因子强相关，但我怀疑有显着的个体效应。

详细说明：

我具有宽范围的气候/流（空气的温度，水的温度，太阳光的强度，放电）和次表面（沉积物气体逃避，沉积物的温度的时间序列数据集（日/季节） ，地下水温度，电导率）环境参数，试图确定哪些因素决定了沉积物的气体逸出和沉积物温度。我怀疑温度和有机物含量是瓦斯逃逸的主要驱动因素。但是，我如何分离空气温度，水温和辐射效应，并确定每个沉积物对沉积物温度的贡献，因为空气温度决定水温，辐射和空气温度都会影响沉积物和水温。另外，每个参数根据其强度（来自观察）具有不同的滞后时间效应，并且显然昼夜温度彼此相关并且与另一个下游的采样点相关，所以它们也可能在空间上相关。所以......我 ）如何统计证明在响应变量日间/季节性
二）确定每个预测变量的贡献，我的反应参数提前

感谢您的想法不同！

Answer 1

在我看来，你的问题是错误的，因为它比统计建模和R及其包更相关。 i）没有办法统计“证明”这一点。充其量也许有强烈的迹象。 ii）据我所知，没有优雅可靠的方法可以做到这一点。我知道单因变量有一个名为relaimpo的R包，它提供了一种解决这些问题的方法：https://cran.r-project.org/web/packages/relaimpo/index.html

你试图解决的问题听起来像是一个非常棘手的问题，需要深入理解所使用的方法和手头的数据。以下是我将如何解决问题的方法：简单起步。在1个单一采样点上使用例如相关协方差矩阵。然后转向滞后协方差，GLMs，...。也许检查出典型的相关性。也许看看pca，...。很可能这会给你很多信息。最终，要真正了解每个变量如何影响您需要扰乱系统的其他变量。例如。改变水温并观察对所有其他变量的影响。

如果您真的想在这方面使用具有潜在变量空间和内部状态的高级建模技术，那么您可以使用类似动态线性模型的东西。有关DLM和状态空间建模的教程可以在这里找到：http://helios.fmi.fi/~lainema/dlm/dlmtut.html。虽然教程中的模型只有一个因变量，但您可以将相关时间序列制定为矩阵，并在必要时对参数进行向量化。看看结构方程模型。