Interprétation de la corrélation CCF dans R

J'utilise ccfpour trouver une corrélation entre 2 séries chronologiques. Je reçois un complot qui ressemble à ça:

Notez que je suis principalement intéressé par la corrélation pour le décalage = 0. Des questions:

1. Interprétez-vous correctement qu'il existe une corrélation croisée pour le décalage = 0, car pour ce décalage, la corrélation croisée est au-dessus de la ligne pointillée?
2. Comment dois-je interpréter le niveau de corrélation croisée dans cet exemple, est-ce significatif (comme je l'interprète en ce moment, il y a une petite corrélation croisée)?
3. Comment puis-je extraire uniquement la acfvaleur de lag = 0?

Comment puis-je extraire uniquement la valeur acf pour lag = 0?

L' ACF au décalage 0 ( ) est toujours 1.$\text{corr}(X_t,X_t)$

Interprétez-vous correctement qu'il existe une corrélation croisée pour le décalage = 0, car pour ce décalage, la corrélation croisée est au-dessus de la ligne pointillée?

Si vous voulez dire "est-ce que je conclurais que la corrélation croisée de la population est non nulle?" alors oui, si cette ligne pointillée correspond au même niveau de signification que vous utiliseriez (et que les hypothèses sont valables).

Cela n'implique pas en fait que la corrélation croisée de la population est en fait nulle (ce qui semblerait étonnant). Cependant, si l'intervalle est assez serré autour de zéro, il peut parfois être raisonnable de le traiter comme s'il l'était.

Comment dois-je interpréter le niveau de corrélation croisée dans cet exemple, est-ce significatif (comme je l'interprète en ce moment, il y a une petite corrélation croisée)?

0.3 n'est pas nécessairement petit, cela dépend de votre critère. Dans certaines applications, elle peut être assez grande, dans d'autres modérée, dans d'autres encore petite.

Votre interprétation de l'intrigue est correcte. La seule corrélation croisée significative au niveau de signification de est à décalage nul. Ainsi, nous ne pouvons pas dire qu'une variable mène l'autre variable (c'est-à-dire que nous ne pouvons pas prévoir ou anticiper les mouvements d'une variable en regardant l'autre).$5\%$

Les deux variables évoluent simultanément. La corrélation est positive, lorsque l'un augmente, l'autre augmente également, et vice versa. La corrélation n'est cependant pas trop forte (environ ).$0.3$

Vous pouvez obtenir les valeurs exactes des corrélations croisées simplement en stockant la sortie dans un objet et en regardant l'élément 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