在提问之前，我阅读了类似的问题，但没有一个能够为我的特定兴趣带来令人满意的答案。

我想均匀化多米尼加共和国 64 年（1940-2003 年）降水的气候时间序列。为此，在一组候选者中选择一个参考系列非常重要。

假设sjo是基础系列，我想为其找到一个好的参考系列；bani，plc并且ra是参考候选，因为它们接近sjo。在下图中，红点是基站，绿点是参考候选：

我进行了三个相关性分析（在 R 中完成，函数cor()），考虑到这些月变量：原始降水值、归一化差异和 Box-Cox 转换值。这些变量分别对应于以和开头的p字段。dianpnorm

归一化差分来自于 Peterson 提出的一阶差分序列法（FDM），包括： $[Pm_t - Pm_{t-1}] / [Pm_t + Pm_{t-1}]$， 在哪里$Pm_t$是该月的降水量$m$， 和$Pm_{t-1}$是一年前同月的降水量。我遵循了Peterson 及其同事 (1998) 的评论，该评论说将 FDM 应用于降水可能使用归一化差异效果更好。

从这个 PDF 文件的第 1 页可以看出，计算了整个时间序列（1940-2003 年）的相关性。对于原始降水和 Box-Cox 转换值，bani是最好的相关sjo（黄色背景单元格显示最大相关指数）。请注意，对于原始降水，bani其相关性明显高于其他降水。对于归一化差异，ra仅比其他差异更相关。然而，每个候选站都具有统计上显着的相关sjo指数$\alpha=.05$显着性水平，表明其中任何一个都可以用作参考系列。

这有点令人困惑，所以我不满意并决定进行更详细的分析，将系列拆分为 5 年的时间间隔，并评估相同 3 个变量的系列之间的相关性：原始降水、归一化差异和 Box-Cox 转换.

PDF 中第 2 页到第 8 页的表格显示了这些偏相关的结果；最后一页总结了每个站点具有每个变量的最大相关值的时间。可以看出，bani是分析的 3 个变量的最常见相关值（在所有情况下，超过 7 次分析的 12 个 5 年期）。

有了这些结果，我认为这bani是作为参考系列的最佳候选者sjo，但我不确定。五年期分析可以吗？我应该进行其他分析吗？