时序矩阵的滞后

简介:
在时间序列中经常会用到一个序列的滞后序列,R中的包fMultivar中的函数tslag()提供了这个功能。
> install.packages("fMultivar")
> library(fMultivar)
Loading required package: sn
Loading required package: mnormt
Package ‘sn’, 0.4-16 (2010-08-30). Type ‘help(SN)’ for summary information
Loading required package: timeDate
Loading required package: timeSeries
Loading required package: fBasics
Loading required package: MASS
Attaching package: ‘fBasics’
The following object(s) are masked from ‘package:base’:
    norm

> args(tslag)
function (x, k = 1, trim = FALSE)
NULL

其中:x为一个向量,k指定滞后阶数,可以是一个自然数列,若trim为假,则返回序列与原序列长度相同,但含有NA值;若trim项为真,则返回序列中不含有NA值,例如 : 
> x <- 1:10
> x
 [1]  1  2  3  4  5  6  7  8  9 10
> tslag(x, c(1,2,6))
      [,1] [,2] [,3]
 [1,]   NA   NA   NA
 [2,]    1   NA   NA
 [3,]    2    1   NA
 [4,]    3    2   NA
 [5,]    4    3   NA
 [6,]    5    4   NA
 [7,]    6    5    1
 [8,]    7    6    2
 [9,]    8    7    3
[10,]    9    8    4
> tslag(x, c(1,2,6), TRUE)
     [,1] [,2] [,3]
[1,]    6    5    1
[2,]    7    6    2
[3,]    8    7    3
[4,]    9    8    4

x也可以是一个矩阵, 自动向量化.
> x <- matrix(1:12,3,4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> tslag(x, c(1,2,6), FALSE)
      [,1] [,2] [,3]
 [1,]   NA   NA   NA
 [2,]    1   NA   NA
 [3,]    2    1   NA
 [4,]    3    2   NA
 [5,]    4    3   NA
 [6,]    5    4   NA
 [7,]    6    5    1
 [8,]    7    6    2
 [9,]    8    7    3
[10,]    9    8    4
[11,]   10    9    5
[12,]   11   10    6
> tslag(x, c(1,2,6), TRUE)
     [,1] [,2] [,3]
[1,]    6    5    1
[2,]    7    6    2
[3,]    8    7    3
[4,]    9    8    4
[5,]   10    9    5
[6,]   11   10    6


[参考]
1. > help(tslag)

tslag                 package:fBasics                  R Documentation

Lagged or Leading Vector/Matrix

Description:

     Creates a lagged or leading vector/matrix of selected order(s).

Usage:

     tslag(x, k = 1, trim = FALSE)
     
Arguments:

       k: an integer value, the number of positions the new series is
          to lag or to lead the input series.

       x: a numeric vector or matrix, missing values are allowed.

    trim: a logical flag, if TRUE, the missing values at the beginning
          ans/or end of the returned series will be trimmed.  The
          default value is FALSE.

See Also:

     ‘pdl’.

Examples:

     ## tslag -
        #  

相关文章
|
4月前
|
机器学习/深度学习 数据挖掘 Python
时序数据的分类及质心的计算
时序数据的分类及质心的计算
|
4天前
R语言分布滞后线性和非线性模型DLM和DLNM建模应用| 系列文章
R语言分布滞后线性和非线性模型DLM和DLNM建模应用| 系列文章
11 0
|
13天前
极值分析:分块极大值BLOCK-MAXIMA、阈值超额法、广义帕累托分布GPD拟合降雨数据时间序列
极值分析:分块极大值BLOCK-MAXIMA、阈值超额法、广义帕累托分布GPD拟合降雨数据时间序列
29 0
极值分析:分块极大值BLOCK-MAXIMA、阈值超额法、广义帕累托分布GPD拟合降雨数据时间序列
|
13天前
|
存储
R语言分布滞后线性和非线性模型(DLMs和DLNMs)分析时间序列数据
R语言分布滞后线性和非线性模型(DLMs和DLNMs)分析时间序列数据
18 0
|
12天前
|
存储 对象存储
分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响
分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响
41 0
|
13天前
|
存储 对象存储
R语言分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响
R语言分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响
40 3
|
12天前
分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测
分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测
13 0
|
13天前
|
存储 机器学习/深度学习 数据挖掘
R语言分布滞后线性和非线性模型(DLM和DLNM)建模
R语言分布滞后线性和非线性模型(DLM和DLNM)建模
13 0
|
9月前
|
算法
基于有序模式的度量对多变量时间序列进行非线性分析研究(Matlab代码实现)
基于有序模式的度量对多变量时间序列进行非线性分析研究(Matlab代码实现)
|
5月前
|
资源调度 算法 数据挖掘
变异系数法:一种强大的数据离散度度量工具
变异系数法:一种强大的数据离散度度量工具
70 0
变异系数法:一种强大的数据离散度度量工具