如何测试“先前状态”是否对R中的“后续状态”有影响

想象一个情况：我们有三个矿山的历史记录（已有20年）。白银的存在是否会增加明年发现黄金的可能性？如何测试这样的问题？

在此处输入图片说明

这是示例数据：

mine_A <- c("silver","rock","gold","gold","gold","gold","gold",
            "rock","rock","rock","rock","silver","rock","rock",
            "rock","rock","rock","silver","rock","rock")
mine_B <- c("rock","rock","rock","rock","silver","rock","rock",
            "silver","gold","gold","gold","gold","gold","rock",
            "silver","rock","rock","rock","rock","rock")
mine_C <- c("rock","rock","silver","rock","rock","rock","rock",
            "rock","silver","rock","rock","rock","rock","silver",
            "gold","gold","gold","gold","gold","gold")
time <- seq(from = 1, to = 20, by = 1)

r time-series hypothesis-testing stochastic-processes

— 拉迪斯拉夫·纳索
source

您可能对计算转移矩阵感兴趣。

— 安迪W

嗨@AndyW！感谢您的评论。我熟悉过渡矩阵包：makkovchain-markovchainFit（）。我可以将转换矩阵中的概率值用作p值吗？有什么方法可以检验假设：“存在“银金”关系。” （p值= xx）？

— LadislavNaďo2015年

@LadislavNado转换概率不能解释为p值（它们不会告诉您有关拒绝任何H0的任何信息），请参阅stats.stackexchange.com/questions/31/…了解有关p值的更多信息。

— 蒂姆

我发现您提取数据的方式存在问题。考虑您的“银：否”和“金：是”情况，您还应该计算连续运行的“金”，因为这符合逻辑标准。

将一个像元从1校正为14后，模型将更改为：系数：估计标准。误差z值Pr（> | z |）（截距）-1.2528 0.8018 -1.562 0.118 as.factor（c（0，1））1 0.3655 0.8624 0.424 0.672

我最好的尝试： ...使用@AndyW建议的转换矩阵可能不是我正在寻找的解决方案（基于@Tim的评论）。因此，我尝试了另一种方法。我发现此链接涉及如何进行逻辑回归，其中响应变量y和预测变量x均为二进制。

根据示例，我应该根据我的数据创建2×2表：

               gold (yes)  gold (no)
silver (yes)       2           7
silver (no)       14          34

我如何提取值： 在此处输入图片说明

并构建一个模型：

response <- cbind(yes = c(2, 14), no = c(7, 34))

mine.logistic <- glm(response ~ as.factor(c(0,1)),
                      family = binomial(link=logit))

summary(mine.logistic)
# Coefficients:
#                     Estimate Std. Error z value Pr(>|z|)
# (Intercept)          -1.2528     0.8018  -1.562    0.118
# as.factor(c(0, 1))1   0.3655     0.8624   0.424    0.672

这是一个好的解决方案吗？p值（0.673）是否意味着银的存在不会增加发现金的可能性？

— 拉迪斯拉夫·纳索
source

您是如何生成这些漂亮的图表的？Tikz？

— shadowtalker 2015年

嗨@ssdecontrol！图表是在Inkscape中手动制作的。

— LadislavNaďo2015年

是的，这是一个不错的解释。另外，如果仅查看2x2表的行，则在第一行（银：是）上有9种情况，其中2种是黄金，因此假设明年黄金的白银概率为2/9 = 0.222。在最底行（银色：否），您有48个案例，其中14个案例明年有黄金，因此假设没有白银的可能性为14 /（14 + 34）= 0.292。考虑到所有这些，尽管从p值来看“白银”没有“统计上的显着性”，但是白银似乎伤害了您找到黄金的机会。

— Gregor Thomas

同样要注意您的编码，从开头yes = c(2, 14), no = c(7, 34)，这意味着您将Silver：yes放在首位。因此，当您执行操作时as.factor(c(0, 1))，0对应于白银：是，这是您的参考水平，因此也是您的截距。p值为0.67，对应于您发现金从银：是转移到银：否的可能性较小的正向凸起。

— Gregor Thomas

最后一条评论：您正在使用转换矩阵。您的2、7、14、34矩阵是过渡矩阵。

— Gregor Thomas