Я пытаюсь оценить степень автокорреляции во временном ряду бинарных иерархически структурированных экологических данных. У меня есть данные о наличии или отсутствии (1 или 0) организма, измеренных на нескольких независимых участках (n = 469) каждые 6 месяцев в течение 11 лет (с учетом 22 одинаковых временных точек).Автокорреляция в двоичных временных рядах с несколькими группами
Вот некоторые фиктивные данные, чтобы работать с:
# Create dummy time series (random 0 or 1 value for absent or present)
# Format of time series is matrix with rows as sites and columns as time points
set.seed(1)
dat <- matrix(sample(0:1, 469*22, replace=T), nrow=469, ncol=22)
Я хотел бы знать степень серийной корреляции в присутствии организма/отсутствие на каждом участке (время = т в зависимости от времени = т - 1, t - 2, t - 3, ..., t - 21). Хотя данные пространственно структурированы, мне все равно, что касается конкретных сайтов, а только общие отношения. Может ли кто-нибудь помочь мне определить подходящий способ форматирования данных для использования в пакете (например, «acf») или пользовательских функций, предназначенных для решения этой проблемы?
Благодарим за предложение. Мне нравится это направление, но я не уверен, что это дает мне правильный ответ. Из анализа GLMM (с использованием glmer) я знаю, что отсутствие присутствия в момент t-1 является большим предиктором отсутствия присутствия в момент времени t. Но это не получается в графике матрицы дисперсии-ковариации для модели, которую вы предложили. См. Здесь сюжет уровня (показывает мои настоящие данные, а не фиктивные данные): http://s10.postimg.org/pj468ak21/vocv_levelplot.jpg – MCNC