如何使用R分析长度不一致的两类时间序列的相关性

R内置的相关计算函数（包括cor()、cor.test()、基础互相关函数ccf()）默认要求两个输入序列长度一致、观测一一对应，你手上的实测数据（3000点）和模型输出（40000点）采样间隔不同、时间轴未对齐，直接传入数值向量计算必然触发长度不匹配报错，解决核心是先基于时间基准对齐两个序列，再做相关计算，具体操作如下：

• 第一步先给两类数据绑定标准时间戳：不要靠点数硬凑对齐，先把两类数据都整理成「时间列+数值列」的两列结构，时间列统一转成POSIXct格式，严格对应每个数据点的实际观测/输出时间，不要手动估算时间偏移。

根据数据特性二选一完成序列对齐即可：

方案1：降采样高分辨率模型输出，匹配实测分辨率（优先选） #

实测数据是直接观测得到的真值，分辨率更低，对它做插值会引入额外误差，因此优先把高分辨率的模型输出聚合到实测的时间步长上：

• 操作逻辑：以实测序列的每个时间点为基准，取该时间点对应时间窗口内的所有模型输出值做聚合（连续型变量比如气温、气压取窗口平均，累计型变量比如降水、径流量取窗口求和，数据噪声大可以取窗口中位数），最终得到和实测序列长度完全一致、时间点一一对应的模型匹配序列。
• 参考实现代码：

library(lubridate)
library(dplyr)

# 以下为示例数据结构，替换成你自己的实际数据即可
# 实测数据：按实际采样间隔设置by参数，示例为1小时间隔共3000点
obs <- data.frame(
  time = seq.POSIXt(from = ymd_hm("2020-01-01 00:00"), by = "hour", length.out = 3000),
  obs_val = rnorm(3000)
)
# 模型输出：按实际输出间隔设置by参数，示例为5分钟间隔共40000点
model <- data.frame(
  time = seq.POSIXt(from = ymd_hm("2020-01-01 00:00"), by = "5 min", length.out = 40000),
  model_val = rnorm(40000)
)

# 给模型数据标记对应到实测时间点的分组
model <- model %>%
  mutate(match_time = floor_date(time, unit = "hour")) # unit参数和实测采样间隔保持一致

# 聚合得到对齐后的模型序列
model_aligned <- model %>%
  group_by(match_time) %>%
  summarise(model_val_aligned = mean(model_val, na.rm = TRUE)) # 聚合函数按变量类型替换

# 合并得到等长的配对数据集
data_cor <- left_join(obs, model_aligned, by = c("time" = "match_time"))

# 直接计算相关即可，自动剔除缺失值
cor(data_cor$obs_val, data_cor$model_val_aligned, use = "complete.obs")

方案2：升采样实测数据匹配模型分辨率（仅特殊需求用） #

如果必须保留模型输出的高分辨率信息，可以对低分辨率的实测数据做插值，生成和模型序列等长的配对数据：
注意：该方法会因为插值引入人为误差，非必要不要选

• 操作逻辑：基于实测序列的时间-值对应关系，用线性插值、三次样条插值等方法，在模型输出的每个时间节点上估算对应的实测值，最终得到和模型序列等长的实测匹配序列。
• 参考实现代码：

library(zoo)
# 将实测数据转为时间序列对象
obs_zoo <- zoo(obs$obs_val, order.by = obs$time)
# 在模型的时间轴上插值得到高分辨率实测序列
obs_aligned <- na.approx(obs_zoo, xout = model$time)
# 等长序列直接计算相关
cor(as.numeric(obs_aligned), model$model_val, use = "complete.obs")

禁止为了凑长度直接截短长序列、重复短序列值或者随机补值，这类操作完全破坏时间对应关系，算出的相关系数没有任何物理意义。对齐前先截取两个序列共有的时间重叠区间，非重叠段的数据直接丢弃即可。
如果需要计算滞后相关，完成时间对齐后直接调用ccf()函数即可，不会再触发长度报错。

内容的提问来源于stack exchange，提问作者Morhaf