Função de correlação cruzada (CCF)

A CCF calcula a correlação de uma primeira série com uma segunda série em cada defasagem de −k a +k e a plota como um correlograma, com limites aproximados de 95% de ±2/√(n − |lag|). Um valor alto em uma defasagem positiva significa que a primeira variável antecede a segunda. As duas séries devem ser numéricas, sem lacunas e do mesmo comprimento. Tendências compartilhadas inflam os valores em todas as defasagens.

Última revisão

Conclusão principal

A função de correlação cruzada (CCF) mede como duas séries temporais variam juntas quando uma é deslocada em relação à outra por vários períodos, mostrando se a mudança em uma acompanha a outra de imediato ou a antecede.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

A função de correlação cruzada (CCF) mede como duas séries temporais variam juntas quando uma é deslocada em relação à outra em 0, 1, 2 … períodos, em qualquer direção. Ela mostra se a mudança em uma série acompanha a mudança na outra no mesmo período ou a antecede em alguns períodos. Use-a, por exemplo, para verificar se uma mudança em uma entrada (taxa de alimentação, temperatura, publicidade) aparece em uma saída de imediato ou com atraso, antes de construir um modelo com entradas defasadas.

Principais recursos

  • Correlação cruzada em cada defasagem de −k a +k, em que k é o número de defasagens que você escolhe ou um padrão baseado no comprimento da série.
  • Correlograma (gráfico de barras) com limites tracejados em ±2/√(n − |lag|).
  • Uma nota no gráfico indica qual é qual direção: defasagem positiva significa que a primeira variável antecede a segunda.
  • Tabela da correlação cruzada em cada defasagem.

Métodos estatísticos

Para duas séries xₜ (First variable) e yₜ (Second variable) de mesmo comprimento n, a correlação cruzada na defasagem k é a correlação de xₜ com yₜ₊ₖ: rₓᵧ(k) = Σₜ (xₜ − x̄)(yₜ₊ₖ − ȳ) / (n·sₓ·sᵧ), usando as médias e os desvios padrão da série inteira e dividindo por n em todas as defasagens (a estimativa padrão, sem ajuste de viés). Uma defasagem positiva k compara x com y k períodos depois, de modo que um valor alto em uma defasagem positiva significa que x antecede y; um valor alto em uma defasagem negativa significa que y antecede x. Trocar as duas variáveis espelha o gráfico em torno da defasagem 0.

Os limites ±2/√(n − |k|) são limites aproximados de 95% para a correlação cruzada de duas séries aleatórias não relacionadas. Barras fora deles são maiores do que o acaso produziria. Quando Number of lags está em branco, a ferramenta usa √n + 10 (arredondado para baixo), nunca mais que n − 1. As duas colunas devem ser numéricas, sem lacunas e do mesmo comprimento.

Duas séries que têm tendência ou seguem a mesma sazonalidade apresentam correlação cruzada em quase todas as defasagens, mesmo que nenhuma determine a outra. Para encontrar uma antecedência ou um atraso reais, procure a defasagem em que a barra se destaca das vizinhas, ou aplique antes a diferenciação às duas séries para remover a tendência e a sazonalidade comuns. Uma correlação cruzada alta não prova causa e efeito.

Campos de entrada e opções

Campo

Descrição

First variable

Obrigatório. A série numérica testada como série antecedente: defasagens positivas a comparam com a segunda variável essa quantidade de períodos depois.

Second variable

Obrigatório. A série numérica comparada com ela; mesmo número de linhas.

Number of lags

Opcional, de 1 a 1000. O maior deslocamento em cada direção. Em branco, usa √n + 10.

Title

Título exibido no gráfico. O padrão é Cross Correlation Function.

cross-correlation-inputs


Figura 1 — Advertising Spend como primeira variável e Sales como segunda variável, com 12 defasagens em cada direção.

Descrição da saída

  • Cross Correlation Function (gráfico) — uma barra para cada defasagem de −k a +k, com os limites tracejados e a nota “Positive lag = <first variable> leads <second variable>”.
  • Cross Correlation Function: <first variable>, <second variable> (tabela) — Lag e CCF.
  • Exportação em PDF por meio de Download.

cross-correlation-output


Figura 2 — Correlação cruzada do investimento em publicidade com as vendas: a barra mais alta, 0.93, está na defasagem 0.

Exemplo prático

Um distribuidor de produtos eletrônicos de consumo tem 60 meses de dados (de janeiro de 2020 a dezembro de 2024): unidades vendidas e investimento em publicidade (milhares de dólares) em cada mês. O investimento é maior em alguns meses do que em outros. O gerente de marketing pergunta se as vendas respondem no mesmo mês ou um ou dois meses depois. O analista seleciona First variable = Advertising Spend, Second variable = Sales e Number of lags = 12.

A barra mais alta está na defasagem 0: 0.93. As vendas variam com o investimento no mesmo mês. Na defasagem +1 (investimento um mês antes das vendas), a correlação cruzada é 0.75, e na defasagem −1 (vendas um mês antes do investimento), 0.63. Portanto, não há sinal de um efeito que se acumule um ou dois meses depois: a relação é mais forte dentro do mês. A maioria das barras está acima dos limites (cerca de ±0.26 a ±0.29); apenas as defasagens −10, −9, +9, +10 e +11 ficam dentro deles. Os valores permanecem altos mesmo nas extremidades, com 0.53 na defasagem −12 e 0.52 na defasagem +12, porque as duas séries compartilham a tendência de alta e o pico de fim de ano. Esses valores altos em todas as defasagens vêm do padrão comum, e não de a publicidade funcionar com um ano de antecedência.

Para a decisão, isso significa modelar primeiro as vendas em função do investimento do mesmo mês; um termo de investimento defasado acrescenta pouco. Se First variable e Second variable forem trocadas, o gráfico se espelha: a defasagem +1 passa a mostrar 0.63 e a defasagem −1, 0.75. Para testar um efeito tardio em uma regressão, crie o investimento do mês anterior como uma coluna com a ferramenta Lag.

Perguntas frequentes

Como interpretar defasagens positivas e negativas na correlação cruzada?

Uma defasagem positiva k compara a primeira variável com a segunda variável k períodos depois, de modo que um valor alto em uma defasagem positiva significa que a primeira variável antecede a segunda. Um valor alto em uma defasagem negativa significa que a segunda variável antecede a primeira. Trocar as duas variáveis espelha o gráfico em torno da defasagem 0.

O que significam os limites tracejados em um gráfico de CCF?

Os limites, ±2/√(n − |lag|), são limites aproximados de 95% para a correlação cruzada de duas séries aleatórias não relacionadas. Barras fora deles são maiores do que o acaso produziria. Quando Number of lags é deixado em branco, a ferramenta usa √n + 10, arredondado para baixo e nunca maior que n − 1.

Por que a correlação cruzada é alta em quase todas as defasagens?

Duas séries que têm tendência ou seguem a mesma sazonalidade apresentam correlação cruzada em quase todas as defasagens, mesmo que nenhuma determine a outra. Para encontrar uma antecedência ou um atraso reais, procure a defasagem em que a barra se destaca das vizinhas, ou aplique antes a diferenciação às duas séries para remover a tendência e a sazonalidade comuns. Uma correlação cruzada alta não prova causa e efeito.

Que dados a função de correlação cruzada exige?

Duas séries temporais numéricas do mesmo comprimento e sem lacunas, informadas como primeira variável e segunda variável. No exemplo prático, 60 meses de investimento em publicidade e de vendas geraram a barra mais alta, 0.93, na defasagem 0; ou seja, as vendas variaram com o investimento no mesmo mês, e não um ou dois meses depois.