相互作用する生物学的変数と環境変数（およびおそらく外生変数も含む）を含む多変量時系列データセットがあります。季節性のほかに、データには明確な長期的な傾向はありません。私の目的は、どの変数が互いに関連しているかを確認することです。予測は実際には求められていません。
時系列分析は初めてなので、いくつかの参考文献を読みました。私の知る限り、Vector Autoregressive（VAR）モデルは適切ですが、季節性と季節性のない経済学分野（多くの場合、時系列分析など）に気付いたほとんどの例に不安を感じています。
季節データをどうすればよいですか？私はそれらを非季節化することを検討しました。たとえば、Rではdecompose、$trend + $rand値を使用してから、かなり静止しているように見える信号を取得します（で判断acf）。VARモデルの結果は混乱を招きます（1ラグモデルが選択されますが、直観的にはもっと期待していたので、自己回帰の係数だけが-他の遅延変数との回帰ではなく-重要です）。私は何か間違ったことをしていますか、または変数が（線形に）関連していない/私のモデルが良いものではないと結論付ける必要があります（補助的な質問：VARに相当する非線形はありますか？）
[別の方法として、ダミーの季節変数を使用できるかもしれないと読みましたが、実装方法を正確に把握することはできません]。
経験豊富なユーザーの詳細が実際に私に有益である可能性があるため、ステップバイステップの提案は非常に高く評価されます（そして、具体的な例へのRコードスニペットまたはリンクはもちろん大歓迎です）。
2
季節性についてどう考えるかに大きく依存します。私の文献の不完全な読み方は、経済学者は季節性を面白くない迷惑と見なすことが多いのに対し、環境科学者は季節性をより積極的に感じることが多いことを示しています。経済学で使用されるダミー変数の方法は、頻繁に、データが四半期ごとまたは月ごとであり、休日の影響（言葉のあらゆる意味で）が時々スパイクであることに左右されます。環境データを使用すると、フーリエ（正弦波）の用語でうまく処理できる場合があり、ダミーに頼る必要はありません。
—
ニックコックス
ありがとう、@ Nick Cox。フーリエ項は、変数が正弦波信号よりも複雑な季節パターンを示す特定のケースでは解決策のようには見えません（複数の高調波を使用している場合を除き、ここではそれほど目的ではありません）。私の場合、季節性は明らかに面白くない迷惑用語ではありませんが、季節性を超えたデータの余分な変動性（つまり、長期的な傾向）を他の変数の関数として説明するのに役立つ何かを探していました。
—
ztl 14年
多変量ARMAモデルはどうですか？VARに似ていますが、正しく理解すれば、変数間のより動的な相互作用が可能になります。他の誰かが私の疑いを確認/拒否できるかもしれません。
—
rbatt 14