Ван Белль и Хьюз тест на однородность тренда с использованием различных пакетов - PullRequest
Новая
       16

Ван Белль и Хьюз тест на однородность тренда с использованием различных пакетов

0 голосов
/ 15 апреля 2019

Я пытаюсь выяснить, какой пакет больше всего подходит для отсутствующих данных. И пакеты wql, и EnvStats выполняют тест Ван Белля и Хьюза, но результаты отличаются, когда вводятся недостающие данные. При отсутствии отсутствующих данных результаты идентичны. 

library(wql)<br/>
library(EnvStats)<br/>
library(zoo)<br/>
library(tidyverse)<br/>
library(lubridate)<br/>

test <- ts(rnorm(120),frequency = 12,start = c(1990,1))#generate a time series
ind <- which(test %in% sample(test,15))# generate 15 random samples
test[ind] <- NA # replace samples with NA
test_df <- 
data.frame(y=as.matrix(test),date=as.Date(as.yearmon(time(test))))#convert ts to df
test_df <- test_df %>% mutate(date=ymd(date),month=month(date), year=year(date))


trendHomog(test) # run test
# $chi2.trend
[1] 0.3038136

# $chi2.homog
[1] 1.631839

# $p.value
[1] 0.6521924

# $n
[1] 4

kendallSeasonalTrendTest(y~month+year,data = test_df)# run test

Seasonal Kendall Test for Trend (with continuity correction)

Chi-Square (Het) = 2.74120, z (Trend) = 0.24638, df = 11, p-value
= 0.9937, p-value = 0.8054
alternative hypothesis: The seasonal taus are not all equal
                             (Chi-Square Heterogeneity Test)
                             At least one seasonal tau != 0
                              and all non-zero tau's have the
                              same sign (z Trend Test)
 null values:
tau tau tau tau tau tau tau tau tau tau tau tau 
   0   0   0   0   0   0   0   0   0   0   0   0 
 sample estimates:
          tau        slope    intercept 
   0.02312925   0.01459336 -61.60301045

Я вижу, что при использовании пакета wql в этом примере использовались только 4 сезона. Это означает, что существует некоторое фоновое правило, исключающее сезоны из анализа.

Любая помощь приветствуется

...