頭のリフレッシュ 〜 時系列分析2
前回「頭のリフレッシュ 〜 時系列分析1」の続き。
前回は1つの時系列データについて、自己相関係数とコレログラムを作ってみた。
今回は2つの時系列データについて考えてみる。
とりあえずRでCSVのデータを書いてみた。
見づらいが、気にしないd(´∪`○)。なぜ、空白のデータが入っているのだろう・・・。でも、気にしないd(´∪`○)。
この2つのデータ、非常によく似ている。同じではないかと思うくらい。
片方プロットした後に、重ねて見る。
>plot(f.ts[,2],col="red",type="l") >lines(r.ts[,2],col="green",type="l")
2つのデータの相互相関を調べてみる。
> ccf(f.ts[,2],r.ts[,2])
CCFを計算したはずなのに、縦軸タイトルがACFとなっている・・・。でも、気にしないd(´∪`○)。
これは相関がありすぎ。
別のデータでやってみる。
> orig <- read.csv("orig.csv") > orig.ts<-as.ts(orig) > plot(orig.ts[,2],col="red") > lines(orig.ts[,3],col="blue")
相互相関を計算する。
> ccf(orig.ts[,2],orig.ts[,3],plot=FALSE) Autocorrelations of series ‘X’, by lag -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -0.007 -0.092 -0.097 -0.150 -0.270 -0.234 0.048 0.068 0.014 -0.016 0.188 -4 -3 -2 -1 0 1 2 3 4 5 6 0.957 0.181 -0.006 0.035 0.084 0.080 -0.192 -0.267 -0.130 -0.102 -0.127 7 8 9 10 11 12 13 14 15 0.029 0.053 0.125 -0.003 0.023 -0.068 -0.030 0.005 -0.073
ラグが-4のところに強い相関がある。つまり、orig.ts[,2]を未来へ4つずらしたデータとorig.ts[,3]に強い相関がある。
orig.ts[,2]がorig.ts[,3]に比べて4期後退したデータとも言える。
それもそのはず、このデータは乱数を生成(orig.ts[,2])して、それを4つずらしたデータ(orig.ts[,3])なので。