Interpretando a correlação CCF em R

10

Estou usando ccfpara encontrar uma correlação entre duas séries temporais. Estou recebendo uma trama que se parece com isso:

insira a descrição da imagem aqui

Observe que estou interessado principalmente na correlação para o atraso = 0. Questões:

  1. Interprete corretamente que existe uma correlação cruzada para o atraso = 0, pois para esse atraso a correlação cruzada está acima da linha pontilhada?
  2. Como devo interpretar o nível de correlação cruzada neste exemplo, isso é significativo (como eu o interpreto agora, há uma pequena correlação cruzada)?
  3. Como posso extrair apenas o acfvalor de lag = 0?
sintagma
fonte

Respostas:

3

Como posso extrair apenas o valor acf para lag = 0?

O acf no atraso 0 ( ) é sempre 1.corr(Xt,Xt)

Interprete corretamente que existe uma correlação cruzada para o atraso = 0, pois para esse atraso a correlação cruzada está acima da linha pontilhada?

Se você quer dizer "eu concluiria que a correlação cruzada da população é diferente de zero?" então sim, se essa linha pontilhada tiver o mesmo nível de significância que você usaria (e as suposições são válidas).

Na verdade, isso não implica que a correlação cruzada da população seja realmente zero (isso parece surpreendente). No entanto, se o intervalo for bastante apertado em torno de zero, às vezes pode ser razoável tratá-lo como se fosse.

Como devo interpretar o nível de correlação cruzada neste exemplo, isso é significativo (como eu o interpreto agora, há uma pequena correlação cruzada)?

0.3 não é necessariamente pequeno, isso depende do seu critério. Em algumas aplicações, pode ser bastante grande, em outras moderada, em outras ainda pequena.

Glen_b -Reinstate Monica
fonte
Isso significa que o modelo não pode ser validado, pois existe uma correlação cruzada significativa no atraso 0?
Vam
7

Sua interpretação do enredo está correta. A única correlação cruzada significativa no nível de significância de está no atraso zero. Assim, não podemos dizer que uma variável lidera a outra variável (isto é, não podemos prever ou antecipar os movimentos em uma variável olhando a outra).5%

Ambas as variáveis ​​evoluem simultaneamente. A correlação é positiva, quando um aumenta o outro também e vice-versa. No entanto, a correlação não é muito forte (cerca de ).0,3

Você pode obter os valores exatos das correlações cruzadas simplesmente armazenando a saída em um objeto e observando o elemento acf.

res <- ccf(x, y, lag.max = 30)
res
# information stored in the output object
names(res)
[1] "acf"    "type"   "n.used" "lag"    "series" "snames"
res$acf
javlacalle
fonte
Você pode fazer algo assim, data.frame(res$lag, res$acf)para saber facilmente a qual atraso cada correlação se aplica.
eipi10