मेरे पास एक बहुभिन्नरूपी श्रृंखला सीरीज़ है जिसमें जैविक और पर्यावरणीय चर (साथ ही संभवतः कुछ बहिर्जात चर) भी शामिल हैं। मौसमी के अलावा, डेटा में कोई स्पष्ट दीर्घकालिक प्रवृत्ति नहीं है। मेरा उद्देश्य यह देखना है कि कौन से चर एक दूसरे से संबंधित हैं। पूर्वानुमान वास्तव में नहीं लग रहा है।
समय-श्रृंखला विश्लेषण के लिए नया होने के नाते, मैंने कई संदर्भ पढ़े। जहां तक मैं समझता हूं, वेक्टर ऑटोर्रिजिव (VAR) मॉडल उपयुक्त होगा, लेकिन मैं सीजनलिटी के साथ सहज महसूस नहीं करता हूं और ज्यादातर उदाहरण मुझे संबंधित इकोनॉमिक्स फील्ड (अक्सर समय श्रृंखला विश्लेषण के साथ ...) के बिना मिलते हैं।
मुझे अपने मौसमी डेटा के साथ क्या करना चाहिए? मैंने उन्हें डीसेंसराइज़ करने पर विचार किया - उदाहरण के लिए आर में, मैं एक सिग्नल प्राप्त करने के लिए मूल्यों का decomposeउपयोग करता हूं और उपयोग करता हूं $trend + $randजो कि बहुत स्थिर दिखाई देता है (जैसा कि प्रति न्यायाधीश acf)। VAR मॉडल के परिणाम मुझे भ्रमित कर रहे हैं (एक 1-lag मॉडल का चयन किया गया है, जबकि मुझे सहज रूप से अधिक उम्मीद होगी, और केवल ऑटोरिएशन के लिए गुणांक - और अन्य पिछड़े हुए चर के साथ प्रतिगमन के लिए नहीं - महत्वपूर्ण हैं)। क्या मैं कुछ भी गलत कर रहा हूं, या मुझे यह निष्कर्ष निकालना चाहिए कि मेरे चर (रैखिक रूप से) संबंधित नहीं हैं / मेरा मॉडल अच्छा नहीं है (सहायक प्रश्न: क्या VAR के बराबर एक गैर-रैखिक है?)।
[वैकल्पिक रूप से, मैंने पढ़ा कि मैं शायद डमी मौसमी चर का उपयोग कर सकता हूं, हालांकि मैं यह नहीं जान सकता कि इसे कैसे लागू किया जाए]।
चरण-दर-चरण सुझावों की बहुत सराहना की जाएगी, क्योंकि अनुभवी उपयोगकर्ताओं के लिए विवरण वास्तव में मेरे लिए जानकारीपूर्ण हो सकते हैं (और आर कोड स्निपेट या ठोस उदाहरणों की लिंक बहुत स्वागत है, निश्चित रूप से)।