及时倒退 rollapply

Question

我有一个包含 2 列的时间序列数据集：x 是 "hourly" 连续温度数据，y 是几周内定期采样的响应数据（每天早上 5 点、下午 2 点、晚上 8 点定期采样）。

我想采用 2 种滞后方法来分析数据

1) 绘制我所有的 y 数据（常数）与越来越滞后的 x 数据（以 1 小时为步长将 x 数据移动 0-24 小时），即下午 6 点的 x 与下午 6 点的 y； x 下午 5 点 vs y 下午 6 点...... x（前一天下午 5 点）vs y（下午 6 点）

2) 与 1) 相同，但有累积偏移，即 "backward in time" 累积滞后 window of 0:24，x 数据步长为 1，并针对 y 数据进行测试即下午 6 点的 x 与下午 6 点的 y； x（平均下午 5 点和下午 6 点）vs y 在下午 6 点...... x（前一天下午 6 点 - 下午 5 点的平均值）vs y（下午 6 点）

我想为每个滞后场景 (0 - 24) 绘制 "y" 与 "shifted x" 的线性模型 (lm)，并制作一个 table，其中有一列用于滞后，lm 的 p 值；和调整。 lm 的 R2）所以我可以看到 "x" 中哪个滞后和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，但在向后的方向上工作，但我在 R 中找不到任何这样做的东西。翻转 X 数据不起作用，因为需要维护数据的顺序，因为我需要在 x 中滞后几个 y

我猜这需要一个 'for' 循环到运行遍历每个滞后的所有数据，其中 "i" 是滞后

0 滞后的单个运行将是这样的：

#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！

Answer 1

这将回归 y 对 x i 周期前迭代 i 的值。请注意，问题中应使用 NA 的地方使用了 "NA"。该问题还涉及每小时但提供每日数据，因此我们显示每日滞后。 dyn$lm 运行s lm 添加自动对齐。（请注意，昨天向 CRAN 发布了一个新版本的 dyn，它解决了 R 开发版本中 R 的变化。）我们有运行这个用于滞后 0、1、2、...、10，但是如果你有更多的数据，你可以运行它达到更高的值。如果你想在相反方向滞后，那么在 lag 中将 -i 替换为 i。如果您想使用从 0 到 i 的所有滞后，则使用 lag(x, 0:-i) 并适当调整 cbind 语句。

library(dyn) # also loads zoo


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


k <- 10 # highest lag to consider
tab <- t(sapply(0:10, function(i) {
  fm <- dyn$lm(y ~ lag(x, -i), z)
  s <- summary(fm)
  cbind(i, coef(fm)[1], coef(fm)[2], coef(s)[2, 4], s$adj.r.squared)
}))
colnames(tab) <- c("Lag", "Intercept", "Slope", "P Value", "Adj R Sq")
tab

给予：

> tab
      Lag  Intercept       Slope    P Value   Adj R Sq
 [1,]   0 -13.750000   5.0000000 0.04653741  0.8636364
 [2,]   1  -2.542373   3.8983051 0.09717103  0.7226502
 [3,]   2  -1.944444   3.8888889 0.29647353  0.2424242
 [4,]   3  14.651163   2.5581395 0.49421946 -0.1162791
 [5,]   4  70.357143  -2.1428571 0.78770438 -0.7857143
 [6,]   5  53.571429  -0.7142857 0.87896228 -0.9285714
 [7,]   6  58.461538  -1.1538462 0.84557904 -0.8846154
 [8,]   7  57.884615  -1.1538462 0.84557904 -0.8846154
 [9,]   8 160.000000 -10.0000000        NaN        NaN
[10,]   9 102.500000  -5.0000000        NaN        NaN
[11,]  10 120.000000  -6.6666667        NaN        NaN

及时倒退 rollapply

Backwards in time rollapply

r

rollapply