У меня есть кадр данных с большим количеством переменных, представленных в виде столбцов, которые меняются со временем как индекс для них. Я хотел бы получить наборы очень ковариантных переменных.Извлечение наборов переменных covarying
data <- data.frame(time_series=c(1,2,3),
score1=c(0.5, 0.4, 0.6),
score2=c(0.3, 0.2, 0.1),
score3=c(0.1, 0.4, 0.5),
score4=c(0.5, 0.2, 0.4),
score5=c(0.1, 0.1, 0.2))
Две функции, которые должны давать одинаковые результаты,
library(stats)
#autocorrelation function with lag 0 over a data frame
acf_results <- acf(data[2:length(names(data))], plot = FALSE, lag.max = 0)
#simple Pearson correlation function.
cor_results <- cor(data[2:length(names(data))], method = "pearson")
можно было бы фильтровать результаты с простым (X_results > 0.6)
, но это, кажется, теряет имена переменных.
Я пытаюсь извлечь множество переменных, которые коварируют до порога из большого блока данных. Я бы ожидал, что мне не хватает простых встроенных функций. Любые советы о том, как это можно сделать?
Редактировать: Я понял, что Спирмен был бы абсолютно неправильной функцией для этого, поскольку он также оценивал бы ценности, а не только временные рамки.
Отлично! Большое спасибо! – puslet88