如何比较一段时间内的温度数据

问题描述

我的目的是评估与对照相比，对冠层进行的处理（在微气候数据上）的效果。因此，我将三个数据记录器放在5个位置的树冠中，每个变体（“应用处理”还是“对照”）。在217天的时间内，每5分钟对数据进行一次平均。记录的数据如下所示：

Timepoint,Time,Celsius(°C),Humidity(%rh),dew point(°C)
1,27/03/2019 17:02:39,23.5,37.5,8.2
2,27/03/2019 17:07:39,36.5,7.8
3,27/03/2019 17:12:39,7.8
4,27/03/2019 17:17:39,24.0,8.6
5,27/03/2019 17:22:39,36.0,7.6
6,27/03/2019 17:27:39,23.0,37.0,7.5
7,27/03/2019 17:32:39,22.5,34.5,6.1
8,27/03/2019 17:37:39,6.1

每天对记录进行汇总，以获取217天中每一天的平均/最高/最低温度。无论在哪个位置，我都想确定所应用治疗的效果并揭露随时间变化的差异。

有人告诉我时间序列分析在这里不起作用。我尝试对数据应用线性回归（从本文中引出https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0234436的启发），但是由于对照不会影响治疗，因此我放弃了这种方法。

所以我的问题是：哪种方法是分析R中这种微气候数据的正确方法？

解决方法

您可以尝试分别使用Time和humidity作为Celsius和lm(Time~Celsius+Humidity,data = ControlData) lm(Time~Celsius+Humidity,data = TreatmentData)的函数进行线性回归，以进行对照和处理，然后比较每个位置的两个模型的斜率。自然，如果您的治疗斜率高于对照，则表明对治疗有反应-斜率之间的差异越大，对治疗的反应越好。该模型将是这样的（对于单个站点）：

        "18847030": {
            "pageid": 18847030,"ns": 0,"title": "Investment Industry Regulatory Organization of Canada","index": 1,"redirects": [
                {
                    "pageid": 18855542,"title": "IIROC"
                },{
                    "pageid": 18936209,"title": "Investment Dealers Assocation of Canada"
                },{
                    "pageid": 18936308,"title": "Investment Dealers Assocation"
                },{
                    "pageid": 18936769,"title": "Investment Dealers Association of Canada"
                }
            ]
        },

然后，您可以开始使用系数，并从差异以及每个站点的回归线的一般斜率得出结果。然后，您甚至可以通过对5个控制回归的系数进行平均来组合结果，并将其与5个治疗回归的平均值进行比较（由于该模型是线性的，因此在统计上应该是有效的）。

period r r