Я столкнулся с вопросом о том, как лучше всего выполнить корреляционный анализ для двух наборов данных временных рядов, которые имеют несколько переменных.Оба они нестационарные, имеют минимальные выбросы, имеют пробелы в сборе данных для определенных мест. Вот как я бы описал полный набор переменных и наборов данных:
- X Набор данных временного ряда имеет 2 переменные X1 (количество осадков) и X2 (температура воздуха)
- Y Набор данных временного ряда имеет 3 типа среды с двумя переменными в каждой: Ya1 (температура воды в болоте)), Ya2 (концентрация кислорода в болоте), Yb1 (температура воды в потоке), Yb2 (концентрация кислорода в потоке), Yc1 (рекаТемпература воды) и Yc2 (концентрация кислорода в реке)
Я хочу подтвердить использование временного ряда X с временным рядом Y, в частности, используя корреляционный анализ, в то время кактакже коррелирует и учитывает «под-переменные» друг к другу.
Я думал об использовании канонического корреляционного анализа , но он не учитывает временные ряды.Я думал об использовании кросс-корреляции , но, кажется, действительно сложно вычислить каждую отдельную комбинацию.
Я ищу вывод, который объясняет "степень или величину" корреляции между ними всеми.Моя конечная цель - затем выполнить вейвлет-преобразования коррелированных переменных, но это сделать проще.Я также хочу иметь возможность использовать R для выполнения всей статистической тяжелой работы.
Итак, мой вопрос, является ли взаимная корреляция лучшим вариантом для меня?Или есть более элегантное решение?