我有一个时间序列数据集,包含2列:x是“小时”连续温度数据,y是周期性采样响应数据(定期采样时间为每天上午5点,下午2点,晚上8点)。向后翻转
我想这样做2滞后接近分析在1个小时内通过步骤0-24小时数据
1)绘制所有我的Y数据(常数)与日益滞后X数据(移位X数据),即x在6pm对比y在6pm; x在下午5点对y在下午6点...... x(前一天的下午5点)vs y(下午6点)
2)与1)相同,但是累计移位,即“时间落后”累计滞后窗0 :24对x数据采用1的步长,并对y数据 进行测试,即x在6pm对y在6pm; (平均下午6点 - 下午5点)对比(下午6点)
我想绘制一个线性模型(lm)的“对于每个滞后情景(0-24),“y”与“移动x”并且制作具有滞后数的列的列表,p值为1m;和Adj。 LM的R2),所以我可以看到哪个滞后和“x”的累积平均滞后最能解释y数据。
本质上它与“cummean”或“rollapply”函数相同,但是工作方向相反,但我无法在R中找到任何这样做的内容。翻转的X数据不工作,因为数据的顺序需要保持,因为我需要在几个Y的x的滞后
我想这将需要一个'for'循环遍历所有的数据与“我”是滞后每个滞后
0滞后单次运行将是这样的:
#Creating dummy data
x<- zoo(c(10,10.5,10.5,11,11.5,12,12.5,12,12,12.5,13,12.5,12,12,11.5,10.5), as.Date(1:16))
y<- zoo(c(rep("NA",3),40,rep("NA",3),45,rep("NA",3),50,rep("NA",3),40), as.Date(1:16))
z<-merge(x, y, all = FALSE)
z
reslt<-lm(z$y~z$x)
a<-summary(reslt)$coefficients[2,4]
b<-summary(reslt)$adj.r.squared
ResltTable<-c(a,b)
colnames(ResltTable)<-c("p-value","Adj. R^2")
谢谢!