Kruiscorrelatiefunctie (CCF)

De CCF berekent de correlatie van een eerste reeks met een tweede reeks bij elke vertraging (lag) van −k tot +k en zet die uit als correlogram met bij benadering 95%-grenzen van ±2/√(n − |lag|). Een grote waarde bij een positieve lag betekent dat de eerste variabele voorloopt. Beide reeksen moeten numeriek zijn, zonder hiaten en even lang. Gemeenschappelijke trends verhogen de waarden bij alle lags.

Laatst beoordeeld

Belangrijkste conclusie

De kruiscorrelatiefunctie (CCF) meet hoe twee tijdreeksen samen bewegen wanneer de ene enkele perioden ten opzichte van de andere wordt verschoven, en toont of een verandering gelijktijdig optreedt of voorafgaat.

Op deze pagina
  1. Doel
  2. Belangrijkste mogelijkheden
  3. Statistische methoden
  4. Invoervelden en opties
  5. Beschrijving van de uitvoer
  6. Uitgewerkt voorbeeld

Doel

De kruiscorrelatiefunctie (CCF) meet hoe twee tijdreeksen samen bewegen wanneer de ene met 0, 1, 2 … perioden in beide richtingen ten opzichte van de andere wordt verschoven. Ze laat zien of een verandering in de ene reeks samengaat met een verandering in de andere in dezelfde periode, of er enkele perioden aan voorafgaat. Gebruik ze bijvoorbeeld om te controleren of een verandering in een invoer (voedingssnelheid, temperatuur, advertenties) direct of met vertraging in een uitvoer zichtbaar wordt, voordat u een model met vertraagde invoer bouwt.

Belangrijkste mogelijkheden

  • Kruiscorrelatie bij elke lag van −k tot +k, waarbij k het aantal lags is dat u kiest of een standaardwaarde op basis van de lengte van de reeks.
  • Correlogram (staafdiagram) met stippellijngrenzen bij ±2/√(n − |lag|).
  • Een opmerking in de grafiek vermeldt welke richting welke is: een positieve lag betekent dat de eerste variabele de tweede voorloopt.
  • Tabel met de kruiscorrelatie bij elke lag.

Statistische methoden

Voor twee reeksen xₜ (First variable) en yₜ (Second variable) van gelijke lengte n is de kruiscorrelatie bij lag k de correlatie van xₜ met yₜ₊ₖ: rₓᵧ(k) = Σₜ (xₜ − x̄)(yₜ₊ₖ − ȳ) / (n·sₓ·sᵧ), met de gemiddelden en standaardafwijkingen van de gehele reeks en delend door n bij elke lag (de standaardschatter, zonder biascorrectie). Een positieve lag k vergelijkt x met y k perioden later, dus een grote waarde bij een positieve lag betekent dat x y voorloopt; een grote waarde bij een negatieve lag betekent dat y x voorloopt. Het verwisselen van de twee variabelen spiegelt de plot rond lag 0.

De grenzen ±2/√(n − |k|) zijn bij benadering 95%-grenzen voor de kruiscorrelatie van twee niet-gerelateerde willekeurige reeksen. Staven buiten deze grenzen zijn groter dan het toeval zou geven. Wanneer Number of lags leeg is, gebruikt de tool √n + 10 (naar beneden afgerond), nooit meer dan n − 1. Beide kolommen moeten numeriek zijn, geen hiaten hebben en even lang zijn.

Twee reeksen die beide een trend vertonen of dezelfde seizoenspatronen volgen, zijn bij vrijwel elke lag kruisgecorreleerd, ook als geen van beide de ander aandrijft. Om een echte voorloop of vertraging te vinden, zoekt u de lag waarbij de staaf opvalt ten opzichte van de buren, of differentieert u eerst beide reeksen om de gemeenschappelijke trend en het seizoen te verwijderen. Een hoge kruiscorrelatie bewijst geen oorzaak en gevolg.

Invoervelden en opties

Veld

Beschrijving

First variable

Vereist. De numerieke reeks die als voorlopende reeks wordt getoetst: positieve lags vergelijken haar met de tweede variabele zoveel perioden later.

Second variable

Vereist. De numerieke reeks die ermee wordt vergeleken; hetzelfde aantal rijen.

Number of lags

Optioneel, 1 tot 1000. De grootste verschuiving in elke richting. Leeg gebruikt √n + 10.

Title

Titel die in de grafiek wordt getoond. Standaard Cross Correlation Function.

cross-correlation-inputs


Figure 1 — Advertising Spend als eerste variabele en Sales als tweede variabele, met 12 lags in elke richting.

Beschrijving van de uitvoer

  • Cross Correlation Function (graph) — een staaf voor elke lag van −k tot +k met de stippellijngrenzen en de opmerking “Positive lag = <first variable> leads <second variable>”.
  • Cross Correlation Function: <first variable>, <second variable> (table) — Lag en CCF.
  • PDF-export via Download.

cross-correlation-output


Figure 2 — Kruiscorrelatie van advertentie-uitgaven met verkopen: de hoogste staaf, 0.93, ligt bij lag 0.

Uitgewerkt voorbeeld

Een distributeur van consumentenelektronica heeft gegevens over 60 maanden (januari 2020 tot en met december 2024): verkochte eenheden en advertentie-uitgaven (duizend dollar) per maand. In sommige maanden zijn de uitgaven hoger dan in andere. De marketingmanager vraagt of de verkopen in dezelfde maand reageren of een of twee maanden later. De analist selecteert First variable = Advertising Spend, Second variable = Sales en Number of lags = 12.

De hoogste staaf ligt bij lag 0: 0.93. De verkopen bewegen in dezelfde maand mee met de uitgaven. Bij lag +1 (uitgaven een maand vóór de verkopen) is de kruiscorrelatie 0.75 en bij lag −1 (verkopen een maand vóór de uitgaven) 0.63. Er is dus geen teken van een effect dat zich een of twee maanden later opbouwt: het verband is binnen de maand het sterkst. De meeste staven liggen boven de grenzen (ongeveer ±0.26 tot ±0.29); alleen de lags −10, −9, +9, +10 en +11 vallen erbinnen. De waarden blijven hoog tot 0.53 bij lag −12 en 0.52 bij lag +12, omdat beide reeksen de opwaartse trend en de piek aan het jaareinde delen. Deze hoge waarden bij elke lag komen voort uit het gemeenschappelijke patroon en niet uit advertenties die een jaar vooruit werken.

Voor de beslissing betekent dit dat u de verkopen eerst modelleert op de uitgaven van dezelfde maand; een vertraagde uitgaventerm voegt weinig toe. Als First variable en Second variable worden verwisseld, spiegelt de plot: lag +1 geeft dan 0.63 en lag −1 geeft 0.75. Om een vertraagd effect in een regressie te toetsen, maakt u de uitgaven van de vorige maand als kolom met de tool Lag.

Veelgestelde vragen

Hoe interpreteert u positieve en negatieve lags in kruiscorrelatie?

Een positieve lag k vergelijkt de eerste variabele met de tweede variabele k perioden later, dus een grote waarde bij een positieve lag betekent dat de eerste variabele de tweede voorloopt. Een grote waarde bij een negatieve lag betekent dat de tweede variabele de eerste voorloopt. Het verwisselen van de twee variabelen spiegelt de plot rond lag 0.

Wat betekenen de stippellijngrenzen in een CCF-plot?

De grenzen, ±2/√(n − |lag|), zijn bij benadering 95%-grenzen voor de kruiscorrelatie van twee niet-gerelateerde willekeurige reeksen. Staven buiten deze grenzen zijn groter dan het toeval zou geven. Wanneer Number of lags leeg blijft, gebruikt de tool √n + 10, naar beneden afgerond en nooit meer dan n − 1.

Waarom is de kruiscorrelatie bij vrijwel elke lag hoog?

Twee reeksen die beide een trend vertonen of hetzelfde seizoen volgen, zijn bij vrijwel elke lag kruisgecorreleerd, ook als geen van beide de ander aandrijft. Om een echte voorloop of vertraging te vinden, zoekt u de lag waarbij de staaf opvalt ten opzichte van de buren, of differentieert u eerst beide reeksen om de gemeenschappelijke trend en het seizoen te verwijderen. Een hoge kruiscorrelatie bewijst geen oorzaak en gevolg.

Welke gegevens heeft de kruiscorrelatiefunctie nodig?

Twee numerieke tijdreeksen van gelijke lengte zonder hiaten, ingevoerd als eerste en tweede variabele. In het uitgewerkte voorbeeld gaven 60 maanden aan advertentie-uitgaven en verkopen de hoogste staaf, 0.93, bij lag 0, dus de verkopen bewogen in dezelfde maand mee met de uitgaven in plaats van een of twee maanden later.