Correlação computacional (e o significado dessa correlação) entre um par de séries temporais

14

Eu tenho duas séries temporais S e T. elas têm a mesma frequência e o mesmo comprimento.

Gostaria de calcular (usando R), a correlação entre este par (ou seja, S e T), e também ser capaz de calcular a significância da correlação), para poder determinar se a correlação é devida ao acaso ou não.

Gostaria de fazer isso no R e estou procurando por ponteiros / estrutura esquelética para começar.

r time-series correlation

— morfoso
fonte

3

As séries temporais são estacionárias? www.econ.ohio-state.edu/dejong/note1.pdf

— user603

@kwak: Não, as séries NÃO são estacionárias.

— morpheous 12/12/10

Aqui: stats.stackexchange.com/questions/1881/… Eu estava propondo uma abordagem de Monte Carlo para determinar os limites de confiança. A ideia era fazer isso para dois processos pontuais, mas acho que poderia ser facilmente adaptado à sua situação.

— Nico

5

Você pode usar a função ccf para obter a correlação cruzada, mas isso fornecerá apenas um gráfico. Se as correlações cruzadas estimadas ficarem fora da linha vermelha do traço, você poderá concluir que há uma correlação cruzada estatisticamente significativa. Mas não conheço um pacote com um teste formalmente encapsulado. Exemplo do ccf doc:

require(graphics)

## Example from Venables & Ripley (Provided in  CCF help file)
ccf(mdeaths, fdeaths, ylab = "cross-correlation")

Observe que a questão do teste de significância também é discutida aqui .

— M. Tibbits
fonte

1

Outros pôsteres observaram que a estacionariedade é importante aqui. Se ambas as séries tiverem uma tendência ascendente linear (um tipo de não estacionariedade), elas serão correlacionadas - mas toda a correlação pode ser devida à tendência comum, que pode ou não ser o que nos interessa.

— Stephan Kolassa,

4

Como você define a correlação para séries temporais não estacionárias? Você planeja fazer a correlação entre o diff ou essas séries temporais? Caso contrário, sugiro que você procure cointegração em vez de correlação (cf Granger, etc ...)

— RockScience
fonte