我有一个时间序列，每个时间步长都有一些不同的观察结果(对同一现象的测量，但来自不同的位置)，看起来它可能具有弱的周期性模式，但我不确定。我将如何在 R 中实现 acf 函数以更好地了解发生了什么？我可以按原样在整个时间序列上调用它吗？我是否需要按位置分隔时间序列，以便每个日期只有一个观察值？我是否需要先拟合模型然后查看残差？

最佳答案

我找到了解决这个问题的绝妙技巧。我按位置划分数据，然后将它们连接成一个长时间序列。这个问题虽然是我不想考虑从一个系列结束到下一个系列开始的滞后，所以我在系列之间插入了一堆 NAs 并使用了参数 na.action= na.pass 并将 lag.max 设置为我插入的 NA 数。在这种情况下，我的数据跨越一年，每两周观察一次(26 个时间增量)，所以我在每个系列之间插入了 26 个 NA。

new.time.series<- c(Loc1Series, rep(NA,26), Loc2Series, rep(NA,26), Loc3Series,     rep(NA,26))
acf(new.time.series, na.action=na.pass, lag.max=30)

这使我能够利用我的所有数据来找到一种模式，而如果我一次尝试分析一个位置，由于数据稀少，我会发现意义不大。

https://stackoverflow.com/questions/11262650/