교차 상관 함수(Cross Correlation Function)

CCF는 −k에서 +k까지 모든 시차에서 첫 번째 계열과 두 번째 계열의 상관을 계산하여, 근사 95% 한계 ±2/√(n − |lag|)와 함께 상관도표(correlogram)로 나타냅니다. 양의 시차에서 큰 값이 나오면 첫 번째 변수가 선행한다는 뜻입니다. 두 계열은 모두 수치형이어야 하고, 결측이 없으며, 길이가 같아야 합니다. 공통 추세는 모든 시차의 값을 부풀립니다.

최종 검토

핵심 요점

교차 상관 함수(CCF)는 한 시계열을 다른 시계열에 대해 여러 기간만큼 이동시켰을 때 두 시계열이 함께 움직이는 정도를 측정하여, 한쪽의 변화가 다른 쪽의 변화와 동시에 나타나는지 아니면 선행하는지를 보여 줍니다.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

목적

교차 상관 함수(CCF)는 한 시계열을 다른 시계열에 대해 어느 방향으로든 0, 1, 2 … 기간만큼 이동시켰을 때 두 시계열이 함께 움직이는 정도를 측정합니다. 한 계열의 변화가 같은 기간의 다른 계열의 변화와 함께 나타나는지, 아니면 몇 기간 선행하는지를 보여 줍니다. 예를 들어 시차를 둔 입력을 사용하는 모형을 만들기 전에, 입력(공급 속도, 온도, 광고)의 변화가 출력에 즉시 나타나는지 지연되어 나타나는지 확인하는 데 사용합니다.

주요 기능

  • −k에서 +k까지 모든 시차의 교차 상관. k는 사용자가 선택한 시차 수이거나 계열 길이에 따른 기본값입니다.
  • ±2/√(n − |lag|)에 점선 한계가 표시되는 상관도표(막대 그래프).
  • 그래프의 주석은 방향의 의미를 알려 줍니다. 양의 시차는 첫 번째 변수가 두 번째 변수에 선행한다는 뜻입니다.
  • 각 시차의 교차 상관 표.

통계적 방법

길이가 n으로 같은 두 계열 xₜ(First variable)와 yₜ(Second variable)에 대해, 시차 k에서의 교차 상관은 xₜ와 yₜ₊ₖ의 상관입니다. rₓᵧ(k) = Σₜ (xₜ − x̄)(yₜ₊ₖ − ȳ) / (n·sₓ·sᵧ)이며, 전체 계열의 평균과 표준편차를 사용하고 모든 시차에서 n으로 나눕니다(편의 보정을 하지 않은 표준 추정치). 양의 시차 k는 x를 k 기간 이후의 y와 비교하므로, 양의 시차에서 큰 값이 나오면 x가 y에 선행한다는 뜻이고, 음의 시차에서 큰 값이 나오면 y가 x에 선행한다는 뜻입니다. 두 변수를 맞바꾸면 그래프가 시차 0을 중심으로 대칭 이동합니다.

한계 ±2/√(n − |k|)는 서로 무관한 두 무작위 계열의 교차 상관에 대한 근사 95% 한계입니다. 이 한계를 벗어난 막대는 우연으로 기대되는 값보다 큰 것입니다. Number of lags가 비어 있으면 도구는 √n + 10(내림)을 사용하며, n − 1을 넘지 않습니다. 두 열은 모두 수치형이어야 하고, 결측이 없어야 하며, 길이가 같아야 합니다.

두 계열이 모두 추세를 보이거나 같은 계절성을 따르면, 어느 쪽도 다른 쪽을 움직이지 않더라도 거의 모든 시차에서 교차 상관이 나타납니다. 실제 선행 또는 지연을 찾으려면 막대가 이웃 시차와 구별되어 두드러지는 시차를 찾아보거나, 먼저 두 계열을 차분하여 공통 추세와 계절 성분을 제거하십시오. 교차 상관이 높다고 해서 인과관계가 증명되는 것은 아닙니다.

입력 항목 및 옵션

항목

설명

First variable

필수. 선행 계열로 검정되는 수치 계열입니다. 양의 시차는 이 계열을 그만큼 이후 시점의 두 번째 변수와 비교합니다.

Second variable

필수. 첫 번째 계열과 비교하는 수치 계열이며, 행 수가 같아야 합니다.

Number of lags

선택, 1~1000. 각 방향으로의 최대 이동량입니다. 비어 있으면 √n + 10을 사용합니다.

Title

그래프에 표시되는 제목. 기본값은 Cross Correlation Function입니다.

cross-correlation-inputs


그림 1 — 첫 번째 변수를 Advertising Spend, 두 번째 변수를 Sales로 하고 양방향 각각 12 시차를 사용한 설정.

출력 설명

  • Cross Correlation Function (graph) — −k에서 +k까지 각 시차의 막대와 점선 한계, 그리고 “Positive lag = <first variable> leads <second variable>”라는 주석이 표시됩니다.
  • Cross Correlation Function: <first variable>, <second variable> (table) — Lag와 CCF.
  • Download를 통한 PDF 내보내기.

cross-correlation-output


그림 2 — 광고비와 매출의 교차 상관: 가장 높은 막대인 0.93이 시차 0에 있습니다.

계산 예제

한 가전제품 유통업체에는 매월의 판매 수량과 광고비(천 달러)에 대한 60개월(2020년 1월~2024년 12월)의 데이터가 있습니다. 광고비는 달에 따라 더 높기도 합니다. 마케팅 관리자는 매출이 같은 달에 반응하는지, 아니면 한두 달 뒤에 반응하는지 묻습니다. 분석가는 First variable = Advertising Spend, Second variable = Sales, Number of lags = 12를 선택합니다.

가장 높은 막대는 시차 0의 0.93입니다. 매출은 같은 달의 광고비와 함께 움직입니다. 시차 +1(광고비가 매출보다 한 달 앞섬)에서는 교차 상관이 0.75이고, 시차 −1(매출이 광고비보다 한 달 앞섬)에서는 0.63입니다. 따라서 한두 달 뒤에 나타나는 효과의 징후는 없으며, 연관성은 같은 달 안에서 가장 강합니다. 대부분의 막대가 한계(약 ±0.26~±0.29)를 넘고, 시차 −10, −9, +9, +10, +11만 한계 안에 있습니다. 시차 −12에서 0.53, 시차 +12에서 0.52까지 값이 높게 유지되는 것은 두 계열이 상승 추세와 연말 정점을 공유하기 때문입니다. 모든 시차에서 나타나는 이 높은 값은 광고가 1년 앞서 효과를 낸다는 뜻이 아니라 공통 패턴에서 비롯된 것입니다.

의사결정 측면에서 이는 먼저 같은 달의 광고비로 매출을 모형화하라는 뜻이며, 시차를 둔 광고비 항은 거의 도움이 되지 않습니다. First variable과 Second variable을 맞바꾸면 그래프가 대칭 이동하여 시차 +1은 0.63, 시차 −1은 0.75로 읽힙니다. 회귀분석에서 지연 효과를 검정하려면 Lag 도구로 지난달 광고비를 열로 만드십시오.

자주 묻는 질문

교차 상관에서 양의 시차와 음의 시차는 어떻게 해석합니까?

양의 시차 k는 첫 번째 변수를 k 기간 이후의 두 번째 변수와 비교하므로, 양의 시차에서 큰 값이 나오면 첫 번째 변수가 두 번째 변수에 선행한다는 뜻입니다. 음의 시차에서 큰 값이 나오면 두 번째 변수가 첫 번째 변수에 선행한다는 뜻입니다. 두 변수를 맞바꾸면 그래프가 시차 0을 중심으로 대칭 이동합니다.

CCF 그래프의 점선 한계는 무엇을 의미합니까?

한계 ±2/√(n − |lag|)는 서로 무관한 두 무작위 계열의 교차 상관에 대한 근사 95% 한계입니다. 이 한계를 벗어난 막대는 우연으로 기대되는 값보다 큽니다. Number of lags를 비워 두면 도구는 √n + 10(내림)을 사용하며, n − 1을 넘지 않습니다.

교차 상관이 거의 모든 시차에서 높은 이유는 무엇입니까?

두 계열이 모두 추세를 보이거나 같은 계절성을 따르면, 어느 쪽도 다른 쪽을 움직이지 않더라도 거의 모든 시차에서 교차 상관이 나타납니다. 실제 선행 또는 지연을 찾으려면 막대가 이웃 시차와 구별되어 두드러지는 시차를 찾아보거나, 먼저 두 계열을 차분하여 공통 추세와 계절 성분을 제거하십시오. 교차 상관이 높다고 해서 인과관계가 증명되는 것은 아닙니다.

교차 상관 함수에는 어떤 데이터가 필요합니까?

길이가 같고 결측이 없는 두 수치형 시계열을 첫 번째 변수와 두 번째 변수로 입력합니다. 계산 예제에서는 60개월의 광고비와 매출 데이터로 가장 높은 막대 0.93이 시차 0에서 나타났으며, 이는 매출이 한두 달 뒤가 아니라 같은 달의 광고비와 함께 움직였음을 뜻합니다.