当您的数据是时间序列和重复测量(即您的实验单元不是独立的)时,有没有办法利用典型相关分析?当问题是一组变量与另一组变量之间存在什么关系(如果有)时,如何分析两组变量。我在想典型相关分析可能会帮助我做到这一点,但我的变量是在同一位置连续几年采集的计数数据(非正态分布)。总之,一组变量是各种物种的丰度,另一组是各种潜在食物资源的丰度。
也许最好一次查看一个因变量而不是多个因变量。对统计新手有什么建议吗?
当您的数据是时间序列和重复测量(即您的实验单元不是独立的)时,有没有办法利用典型相关分析?当问题是一组变量与另一组变量之间存在什么关系(如果有)时,如何分析两组变量。我在想典型相关分析可能会帮助我做到这一点,但我的变量是在同一位置连续几年采集的计数数据(非正态分布)。总之,一组变量是各种物种的丰度,另一组是各种潜在食物资源的丰度。
也许最好一次查看一个因变量而不是多个因变量。对统计新手有什么建议吗?
我认为使用 CCA 对您没有帮助。在我看来,您有许多内源系列(数量为 n 的物种丰富)和许多外源系列(数量为 m 的各种食物资源)。我建议构建 n 个传递函数,每个传递函数都经过优化,以充分利用 m 个支持序列中的信息内容及其滞后(如果合适),同时将未指定的随机结构与 ARMA 和未指定的确定性结构(如电平转换/本地时间趋势等)结合起来。拥有这些在“统计显微镜”下的 n 个方程可能会阐明“共性”,这表明将 n 个方程进一步分组为子集。