时间序列相关

Question

我有两个时间序列

Time No_Incidents
1     3           45
2     4           64
3     5           69
4     6           79
5     7           73
6     8           23
7     9           12
8    10           12
9    11          108
10   12           79

Time No_Changes
1     3          1
2     4          5
3     5          3
4     6         10
5     7          8
6     8          7
7     9          1
8    10          1
9    11          7
10   12         10

我需要找到两个时间序列的相关性，以了解某些变化是否会导致事件峰值。我尝试了 R 的 ccf 函数并发现与 2 个滞后的显着互相关。如果我想使用滞后图，有没有R中的函数来显示滞后图的互相关？

虽然它显示滞后 = 2 存在负相关，这意味着更改会导致事件，但实际上如果更改增加事件会减少，这是否有意义。

有什么方法可以研究这两个时间序列的相关性吗？

Answer 1

对于这两个时间序列，提供这种分析是有问题的，因为观察量非常少。

y1 <- structure(list(DN = 1:10, Time = 3:12, No_Incidents = c(45L, 
64L, 69L, 79L, 73L, 23L, 12L, 12L, 108L, 79L)), class = "data.frame", 
row.names = c(NA, -10L))

y2 <- structure(list(DN = 1:10, Time = 3:12, No_Changes = c(1L, 5L, 
3L, 10L, 8L, 7L, 1L, 1L, 7L, 10L)), class = "data.frame", row.names = 
c(NA, -10L))   

ts1 <- ts(y1$No_Incidents)
ts2 <- ts(y2$No_Changes)
acf(ts.union(ts1, ts2), ci = 0.99)

输出：

您可以看到置信度为 99% 时不存在自相关，也不存在自相关。所以滞后 = 2 相关性在某种程度上是虚假的。 默认情况下，acf 显示 95% 的置信水平，因此可以偶然观察到 5% 的“显着”相关性。