R - 短时间序列的趋势估计

Question

我在 2012 年进行的气候实验中获得了非常短的时间序列数据。这些数据包括每日水溶液通量和每日 CO2 通量数据。 CO2 通量数据包括 52 天，而水溶液通量数据只有 7 天。我每天要测量几次 CO2 通量数据，但我计算的是每日平均值。

现在，我想知道这些时间序列是否存在趋势。我发现我可以使用 Kendall 趋势测试或 Theil-Sen 趋势估计器。我之前使用过 Kendall 测试来进行跨越数年的时间序列。我不知道如何使用 Theil-Sen 趋势估计器。

我将数据放入 R 中的 ts 对象中，但是当我尝试进行分解（使用函数 decompose）时，我得到时间序列跨越少于 2 个周期的错误。我想提取趋势数据，然后对其进行 Mann-Kendall 检验。

这是我目前得到的代码：

myexample <- structure(c(624.27, 682.06, 672.77, 
                     765.96, 759.52, 760.38, 742.81
), .Names = c("Day1", "Day2", "Day3", "Day4", "Day5", "Day6", 
          "Day7"))

ts.object <- ts(myexample, frequency = 365, start = 1)

decomp.ts.obj <- decompose(ts.obj, type = "mult", filter=NULL)

# Error in decompose(ts.obj, type = "mult", filter = NULL)

谁能帮助我如何用我很短的时间序列进行趋势分析？任何 google-fu 都无济于事。还有，有人能告诉我 Kendall tau 的大小是什么意思吗？它跨越从 -1 到 1 的值。tau=0.5 是强趋势还是弱趋势？

谢谢， 斯蒂芬

Answer 1

我很想做一些简单的事情，比如

d <- data.frame(val=myexample,ind=seq(myexample))
summary(lm(val~ind,d))

或

library(lmPerm)
summary(lmp(val~ind,d))

或

cor.test(~val+ind,data=d,method="kendall")

tau=0.5 是强还是弱在很大程度上取决于上下文。在这种情况下，p 值为 0.24，这至少表明该信号（仅基于等级）与适当的空信号无法区分。