頭のリフレッシュ　〜　時系列分析２

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")

重ねてみると重なりすぎて見えないｗ。

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。