Tôi có một bộ dữ liệu chuỗi thời gian đa biến bao gồm các biến sinh học và môi trường tương tác (cộng với có thể một số biến ngoại sinh). Bên cạnh tính thời vụ, không có xu hướng dài hạn rõ ràng trong dữ liệu. Mục đích của tôi là để xem các biến nào có liên quan với nhau. Dự báo không thực sự được tìm kiếm.
Là người mới trong phân tích chuỗi thời gian, tôi đọc một số tài liệu tham khảo. Theo như tôi hiểu, mô hình Vector AutoreTHERive (VAR) sẽ phù hợp, nhưng tôi không cảm thấy thoải mái với tính thời vụ và hầu hết các ví dụ tôi thấy lĩnh vực kinh tế liên quan (như thường xuyên với phân tích chuỗi thời gian) mà không theo mùa.
Tôi nên làm gì với dữ liệu theo mùa của mình? Tôi đã xem xét việc giải thích chúng - ví dụ như trong R, tôi sẽ sử dụng decompose
và sau đó sử dụng các $trend + $rand
giá trị để thu được tín hiệu có vẻ ổn định (như được đánh giá theo acf
). Kết quả của mô hình VAR làm tôi bối rối (mô hình 1 độ trễ được chọn trong khi tôi sẽ mong đợi trực giác nhiều hơn và chỉ các hệ số cho sự tự phát - và không phải là hồi quy với các biến bị trễ khác - là đáng kể). Tôi có làm gì sai không, hay tôi nên kết luận rằng các biến của tôi không liên quan (tuyến tính) / mô hình của tôi không phải là mô hình tốt (câu hỏi phụ: có phi tuyến tính tương đương với VAR không?).
[Ngoài ra, tôi đọc có lẽ tôi có thể sử dụng các biến theo mùa giả, mặc dù tôi không thể tìm ra chính xác cách thực hiện nó].
Đề xuất từng bước sẽ rất được đánh giá cao, vì chi tiết cho người dùng có kinh nghiệm thực sự có thể là thông tin cho tôi (và đoạn mã R hoặc liên kết đến các ví dụ cụ thể rất được hoan nghênh, tất nhiên).