Các hàm riêng của một ma trận kề của một chuỗi thời gian?


15

Hãy xem xét một chuỗi thời gian đơn giản:

> tp <- seq_len(10)
> tp
 [1]  1  2  3  4  5  6  7  8  9 10

chúng ta có thể tính toán một ma trận kề trong chuỗi thời gian này biểu thị các liên kết tạm thời giữa các mẫu. Khi tính toán ma trận này, chúng tôi thêm một trang web tưởng tượng tại thời điểm 0 và liên kết giữa quan sát này và quan sát thực tế đầu tiên tại thời điểm 1 được gọi là liên kết 0. Giữa thời gian 1 và thời gian 2, liên kết là liên kết 1, v.v. Bởi vì thời gian là một quá trình định hướng, các trang web được kết nối với (bị ảnh hưởng bởi) các liên kết "ngược dòng" của trang web. Do đó mọi trang web được kết nối với liên kết 0, nhưng liên kết 9 chỉ được kết nối với trang web 10; nó xảy ra tạm thời sau mỗi trang web ngoại trừ trang 10. Ma trận kề do đó được xác định được tạo như sau:

> adjmat <- matrix(0, ncol = length(tp), nrow = length(tp))
> adjmat[lower.tri(adjmat, diag = TRUE)] <- 1
> rownames(adjmat) <- paste("Site", seq_along(tp))
> colnames(adjmat) <- paste("Link", seq_along(tp)-1)
> adjmat
        Link 0 Link 1 Link 2 Link 3 Link 4 Link 5 Link 6 Link 7
Site 1       1      0      0      0      0      0      0      0
Site 2       1      1      0      0      0      0      0      0
Site 3       1      1      1      0      0      0      0      0
Site 4       1      1      1      1      0      0      0      0
Site 5       1      1      1      1      1      0      0      0
Site 6       1      1      1      1      1      1      0      0
Site 7       1      1      1      1      1      1      1      0
Site 8       1      1      1      1      1      1      1      1
Site 9       1      1      1      1      1      1      1      1
Site 10      1      1      1      1      1      1      1      1
        Link 8 Link 9
Site 1       0      0
Site 2       0      0
Site 3       0      0
Site 4       0      0
Site 5       0      0
Site 6       0      0
Site 7       0      0
Site 8       0      0
Site 9       1      0
Site 10      1      1

SVD cung cấp một sự phân tách của ma trận này thành các biến thể Eigen như các thang đo thời gian khác nhau. Hình dưới đây cho thấy các chức năng được trích xuất (từ SVD$u)

> SVD <- svd(adjmat, nu = length(tp), nv = 0)

Các hàm riêng

Các hàm riêng là các thành phần định kỳ ở các thang đo thời gian khác nhau. Thử tp <- seq_len(25)(hoặc dài hơn) cho thấy điều này tốt hơn so với ví dụ ngắn hơn tôi đã trình bày ở trên.

Liệu loại phân tích này có một tên thích hợp trong thống kê? Nghe có vẻ tương tự như Phân tích phổ số ít nhưng đó là sự phân tách của chuỗi thời gian nhúng (một ma trận có các cột là các phiên bản bị trễ của chuỗi thời gian).

Bối cảnh: Tôi đã nảy ra ý tưởng này bằng cách sửa đổi một ý tưởng từ hệ sinh thái không gian gọi là Bản đồ Eigenvector Asymmetric (AEM) xem xét một quá trình không gian với hướng đã biết và hình thành ma trận kề giữa một mảng các mẫu có chứa 1 mẫu trong đó một mẫu có thể được kết nối đến một liên kết và 0 trong trường hợp không thể, theo ràng buộc rằng các liên kết chỉ có thể được kết nối "xuôi dòng" - do đó tính chất không đối xứng của phân tích. Những gì tôi mô tả ở trên là phiên bản một chiều của phương pháp AEM. Một bản in lại của phương pháp AEM có thể được tìm thấy ở đây nếu bạn quan tâm.

Con số này được sản xuất với:

layout(matrix(1:12, ncol = 3, nrow = 4))
op <- par(mar = c(3,4,1,1))
apply(SVD$u, 2, function(x, t) plot(t, x, type = "l", xlab = "", ylab = ""),
      t = tp)
par(op)
layout(1)

Phân tích là gì? Ý bạn là, "có sử dụng cho các hàm riêng này không?" Các hàm riêng của ma trận "hầu hết" dao động, với số cao hơn dao động nhanh hơn; Nhưng họ nói gì với bạn?
petrelharp

@petrelharp Không, tôi biết những gì các hàm riêng có thể được sử dụng cho (mô tả mô hình không gian hoặc thời gian trong dữ liệu đa biến cho một), nhưng tôi đã tự hỏi liệu cách tiếp cận này có được phát triển ở nơi khác không, dưới một cái tên nào đó mà tôi không biết đọc thêm về phương pháp này
Phục hồi Monica - G. Simpson

Câu trả lời:


1

Điều này trông giống như một biến thể của "Phân tích thành phần chính". http://mathworld.wolfram.com/PrincipalComponentAnalysis.html

Trong phân tích cấu trúc, các giá trị riêng của một hệ thống được sử dụng để xem xét các biến dạng tuyến tính, những nơi mà sự chồng chất vẫn còn hiệu lực. Phương pháp này được gọi là "Phân tích phương thức". http://macl.caeds.eng.uml.edu/macl-pa/modes/modal2.html

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.