時空間関連のデータを分析するためのRパッケージと応答変数に対する相関予測子の別個の効果

Question

私は適切な分析対象のRパッケージを探しています： i）異なるサンプルサイト/季節の1つまたは2つの応答変数の統計的相違 - 時間的に相関している。 ii）予測変数のいくつかが強く相関している応答変数に、さまざまなパラメータの影響を分離しますが、重要な個別効果があると思われます。

詳細：私は気候/ストリーム（気温、水温、日射強度、放電）と地下（土砂ガス回避、堆積物の温度の広い範囲の時系列データセット（昼間/季節）を有する

、地下水温度、電気伝導度）環境パラメータを決定し、どの要因が堆積物の脱気および堆積物の温度を決定するかを決定しようとする。私は、温度と有機成分がガス漏れの主な原因であると考えています。しかし、どのように空気温度、水温と放射線の影響を分離し、空気の温度が水温と、放射温度と空気温度の両方に影響するかを、堆積物の温度への寄与を決定するにはどうすればよいでしょうか？また、各パラメータは、（観測からの）強度に依存して変化する遅延時間効果を有し、日内温度は互いに関連し、他の下流のサンプリングサイトでは空間的にも相関が高い可能性が高い。だから... ... I）私は統計的に/日周）
II季節あなたのアイデアのための私の応答パラメータに事前に

感謝を各予測変数の寄与を決定し、応答変数の違いを証明するにはどうすればよいです！

Answer 1

あなたの質問は、Rとそのパッケージよりも統計モデリングに関連しているので、間違っています。

i）統計的にこれを「証明」する方法はありません。せいぜい、強い示唆があるかもしれません。 ii）私の知る限り、これを行うためのエレガントで信頼できる方法はありません。単一従属変数の場合、そのような質問に取り組むための方法の1つを提供するR-package R-packageがあります。https://cran.r-project.org/web/packages/relaimpo/index.html

あなたが解決しようとするものは、使用される方法の深い理解が必要ですデータは手元にあります。私が問題にアプローチする方法は次のとおりです。簡単に始めましょう。 1つの単一サンプリングサイトで使用する。相関共分散行列。次に、遅れた共分散、GLMsに進みます。たぶん正準相関をチェックします。多分、pcaを見て、...。おそらく、これはあなたに多くの情報を既に与えているでしょう。最終的に、各変数がどのように他の変数にどのように影響するかを実際に調べるには、システムを混乱させる必要があります。例えば。水温を変えて、他のすべての変数の影響を観察します。

潜在的な変数空間と内部状態を持つ高度なモデリング手法を実際に使用したい場合は、動的線形モデルのようなものを使用できます。 DLMsと状態空間モデリングに関するチュートリアルは、http://helios.fmi.fi/~lainema/dlm/dlmtut.htmlにあります。チュートリアルのモデルには1つの従属変数しかありませんが、必要に応じて、依存するタイムリーを行列として定式化し、パラメータをベクトル化できます。構造方程式モデリングも見てください。