如何从 R 中的互相关函数计算 p 值
How to calculate p-values from cross-correlation function in R
我使用 R 中的 ccf() 计算了两个时间序列的互相关。我知道如何得出置信限度：
ccf1 <- ccf(x=x,y=y,lag.max=5,na.action=na.pass, plot=F)
upperCI <- qnorm((1+0.95)/2)/sqrt(ccf1$n.used)
lowerCI <- -qnorm((1+0.95)/2)/sqrt(ccf1$n.used)
但我真正需要的是最大相关的p值。
ind.max <- which(abs(ccf1$acf[1:11])==max(abs(ccf1$acf[1:11])))
max.cor <- ccf1$acf[ind.max]
lag.opt <- ccf1$lag[ind.max]
如何计算这个 p 值？我到处搜索，但找不到好的答案。
获取 p 值很简单。
在相关为 0 的零假设下，它服从正态分布：
Z ~ N(0, 1/sqrt(ccf1$n.used))
因此，对于您观察到的最大相关性 max.cor，其 p 值就是概率 Pr(Z > |max.cor|)，可以通过以下方式计算：
2 * (1 - pnorm(abs(max.cor), mean = 0, sd = 1/sqrt(ccf1$n.used)))
跟进
Is it really that simple? The ccf is computing many correlations at once!
你是说 ccf 是在计算不同滞后的相关性？好吧，如果你有大量的观测值 N，ACF 在每个滞后的标准差是相同的：1/sqrt(N)。这就是置信区间为两条水平线的原因。
我使用 R 中的 ccf() 计算了两个时间序列的互相关。我知道如何得出置信限度：
ccf1 <- ccf(x=x,y=y,lag.max=5,na.action=na.pass, plot=F)
upperCI <- qnorm((1+0.95)/2)/sqrt(ccf1$n.used)
lowerCI <- -qnorm((1+0.95)/2)/sqrt(ccf1$n.used)
但我真正需要的是最大相关的p值。
ind.max <- which(abs(ccf1$acf[1:11])==max(abs(ccf1$acf[1:11])))
max.cor <- ccf1$acf[ind.max]
lag.opt <- ccf1$lag[ind.max]
如何计算这个 p 值？我到处搜索，但找不到好的答案。
获取 p 值很简单。
在相关为 0 的零假设下，它服从正态分布：
Z ~ N(0, 1/sqrt(ccf1$n.used))
因此，对于您观察到的最大相关性 max.cor，其 p 值就是概率 Pr(Z > |max.cor|)，可以通过以下方式计算：
2 * (1 - pnorm(abs(max.cor), mean = 0, sd = 1/sqrt(ccf1$n.used)))
跟进
Is it really that simple? The
ccfis computing many correlations at once!
你是说 ccf 是在计算不同滞后的相关性？好吧，如果你有大量的观测值 N，ACF 在每个滞后的标准差是相同的：1/sqrt(N)。这就是置信区间为两条水平线的原因。