Estoy tratando de comprobar/refutar aquel tiempo serie está liderando la tendencia para los otros. Dos series de tiempo son (probablemente) independientes y los movimientos son causados por algunos (supongamos desconocido) factores comunes. ¿Qué método sería el más apropiado? ¿También quiero encontrar el período líder? Los datos son trimestrales.
Respuesta
¿Demasiados anuncios?
Usted podría tratar de la cruz-el análisis de correlación con R por ejemplo. De correlación cruzada en el gal h medidas temporales de dependencia de dos series de tiempo (x{t+h},y{t}) en el gal h. Si h<0 y cross-correlación es estadísticamente significativo, entonces se podría decir que la serie x lleva de serie y por h unidades de tiempo. Por ejemplo, la aprobación del permiso de construcción y el acabado de la vivienda proyecto puede tener varios meses de retraso.
En R de correlación cruzada puede ser calculada de la siguiente manera:
ccf(de la serie x,y de la serie,los gal para mostrar)
Buscar picos en la gráfica producida por esta función/objeto de la llamada.
EDITAR:
Raw de la serie de tiempo, con frecuencia, deben ser pre-blanqueado antes de ccf - el análisis debe ser hecho. Pre-blanqueamiento puede hacer de esta manera:
1) Crear un modelo arima para la serie x{t} y guardar residuos.
2) Utilice el modelo anterior de filtro de la serie y{t} para que usted obtenga los residuos.
3) ¿ccf - para el análisis de los residuales de la serie.
Por qué la pre-blanquear?
Autocorrelación de las estructuras y la necesidad de diferenciación podría exigir que el ccf - el análisis debe ser hecho por los residuos de la serie y no raw pre-filtrado de la serie.
