İki zaman serisi arasındaki korelasyon

Tam olarak aynı büyüklükteki iki zaman serisi arasındaki korelasyonu hesaplamanın en kolay yolu / yöntemi nedir? ve ile çarpmayı ve çarpmayı eklemeyi düşündüm . Yani eğer bu tek sayı pozitifse, bu iki dizinin birbiriyle korele olduğunu söyleyebilir miyiz? Ancak bazı örnekler üzerinde düşünebilirim, ancak doğrusal olarak başka bir katlanarak büyüyen zaman serisinin birbiriyle ilişkisi olmayacak, ancak yukarıdaki hesaplama onların korelasyon içinde olduğunu bildirecektir. $(x[t]-\mu_x)$ $(y[t] - \mu_y)$

Düşüncesi olan var mı?

time-series

— BBDynSys
kaynak

Çapraz korelasyon fonksiyonunu hiç duydunuz mu - en.wikipedia.org/wiki/Cross-correlation#Time_series_analysis ?

— Makro

İki zaman seriniz tamamen aynı boyutta. Statik olmasa da aynı boyutta ve sıklıkta iki seri ile, sorunuzla tamamen aynı olmayan, aynı şekilde istatistik.stackexchange.com/questions/3463/… 'e bakınız .

— Ellie Kesselman

Yanıtlar:

Macro'nun noktası, zaman serileri arasındaki ilişkileri karşılaştırmanın doğru yoludur, çapraz korelasyon işlevidir (durağanlık varsayarsak). Aynı uzunlukta olması şart değildir. Gecikme 0'daki çapraz korelasyon sadece aynı zaman noktalarındaki verileri eşleştiren Pearson korelasyon tahminini yapmak gibi bir korelasyonu hesaplar. Eğer varsaydıklarınızla aynı uzunluğa sahiplerse, T'nin her seri için zaman noktalarının sayısı olduğu kesin T çiftlerine sahip olacaksınız. Gecikme 1 çapraz korelasyon, seri 1'den t zamanına, seri 2'deki t + 1 zamanı ile eşleşir. Burada, seri aynı uzunluk olsa bile, ilk serinin bir noktasında ikincisinde eşleşme olmadığı için yalnızca T-2 çiftine sahip olduğunuzu unutmayın. ve ikinci serideki bir diğer nokta, birinciden bir eşleşme olmayacak. Bu iki seri göz önüne alındığında, çeşitli gecikmelerdeki çapraz korelasyonu tahmin edebilirsiniz. Çapraz korelasyonlardan herhangi birinin istatistiksel olarak anlamlı derecede 0 olması durumunda, iki seri arasında bir korelasyon gösterecektir.

— Michael R. Chernick
kaynak

Merhaba Michael, "önemli ölçüde farklı" saymak mümkün mü - 1 veya 2 standart sapmayı sıfırdan uzak anlamlı olarak kullanabilir miyim?

— BBDynSys

@ user423805 İstatistiki olarak 0'dan anlamlı derecede farklı okuması için değiştirdim. Resmen bu, korelasyonun sıfır olmadığı yönündeki sıfır hipotezini test ettiğiniz anlamına gelir. Buna göre 0 değil. . Genel olarak istatistiksel anlamlılık ortalaması p değeri <= 0,05. Bazen istatistiksel önemi tanımlamak için başka değerler kullanılır (örneğin 0.01). Mutiple zaman serileri içeren çoğu zaman serisi yazılım paketi bu testleri sizin için yapabilir. Arkadaşımız IrishStat bu konuda Autobox ile konuşabilir.

— Michael R. Chernick

Sıfır gecikme ve armuttaki çapraz korelasyonun farklı olduğu durumlar var mı?

— Bakaburg

Benzer bir soruya ve cevabına bakmak isteyebilirsiniz. Çapraz korelasyonları hesaplayabileceğinizi düşündüren hacimli zaman dilimleri AMA bunları test etmek, içindeki ya otoregressif ya da deterministik yapı nedeniyle farklı bir renk atıdır (farklı bir renk tonunun atı). dizi.

— IrishStat
kaynak

Eğer doğru anlarsam, bu cevabın zamanları arasındaki karşılıklı ilişkilerin faydasız olduğunu söylüyorsun.

— BBDynSys

user423805 IID elde etmek için veriler uygun bir şekilde önceden filtrelenmediği sürece, MAYIN faydasız olabilir. Bu, doğrudan OP'nin, "bebek getiren leylekler J. Neyman 1938 en.wikipedia.org/wiki/… ve amstat.org/about gibi sahte sonuçlar hakkındaki gerçek endişeleri ile doğrudan ilgilidir. / statisticiansinhistory /… "etc (bazı örnekler olabilir, ancak doğrusal olarak üssel olarak büyüyen bir zaman serilerinin birbirleriyle ilişkisinin olmadığı ancak bazı hesaplamaların birbirleriyle ilişkili olduğunu bildirdiği bazı örnekleri düşünebilirim.)

— IrishStat

Mesele şu ki, çapraz korelasyonların anlam kazanması için serinin durağan olması gerektiğini düşünüyorum. Eğer filtreleme gerekliyse, seriyi sabit olarak sabitlemektir (fark veya mevsimsel fark gibi). Ama işe yaramaz demek yanlış.

— Michael R. Chernick

@Michael MAYIN işe yaramaz olabileceğini söyledim.

— IrishStat

@IrishStat İyi bir yorumdu ve beni 1970'lerde eğitimime geri götürdü. O sırada sivil ordunun ABD Ordusu'ndaki çalışmaları için zaman serileri / tahmin yöntemlerini öğreniyordum. Üstel yumuşatmayı, tedarik depolarında kullanılan öznel tahminlere ilişkin tarihsel verilere dayanarak tahmin etmenin bir yolu olarak kullanıyorduk. Birisi daha genel ARIMA modellerine ve 1970’deki Box and Jenkins’in metnine bakmak için bana büyük bir öneride bulundu ve bu yüzden kariyerimin bir parçası olan zaman serilerine ilgim başladı.

— Michael R. Chernick

-1

Burada bazı ilginç şeyler var

/programming/3949226/calculating-pearson-correlation-and-significance-in-python

Aslında ihtiyacım olan şey buydu. Uygulaması ve açıklaması basit.

— BBDynSys
kaynak

-1 Toplayabildiğim kadarıyla bu cevaplar sadece standart Pearson ürün momenti korelasyonuyla ilgilidir. İki zaman serisine uygulandığında, standart Pearson korelasyonu saçma sonuçlar verir! Bu önerileri izlerseniz tek yaptığınız istatistiksel eserler üretmektir. Bakınız örneğin math.mcgill.ca/dstephens/OldCourses/204-2007/Handouts/…

— Momo