多组二进制时间序列中的自相关

Question

我正在尝试评估二进制分层结构生态数据时间序列中的自相关程度。我有关于在 11 年内每 6 个月在多个独立地点 (n = 469) 测量的有机体存在或不存在（1 或 0）的数据（产生 22 个等距时间点）。

这里有一些可以使用的虚拟数据：

# 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)

我想知道每个地点生物体存在/不存在的序列相关程度（时间 = t 与时间 = t - 1、t - 2、t - 3、...、t - 21）。虽然数据是空间结构化的，但我并不真正关心特定站点的趋势，只关心整体关系。有人可以帮我确定格式化数据以用于包（例如“acf”）或旨在处理此问题的自定义函数的适当方式吗？

Answer 1

这个怎么样？

set.seed(1)

dat <- data.frame(id=1:469,matrix(sample(0:1, 469*22, replace=T), nrow=469, ncol=22))
library(tidyr);library(dplyr)


dat %>%
  gather(time,dummy,-id)->dat2
library(lme4)
model<-glmer(dummy~time+(1|id),dat2,family="binomial")
vcov(model) #variance-covariance matrix