{"id":1555,"date":"2023-07-25T21:49:24","date_gmt":"2023-07-25T21:49:24","guid":{"rendered":"https:\/\/statorials.org\/pl\/korelacja-krzyzowa-w-r\/"},"modified":"2023-07-25T21:49:24","modified_gmt":"2023-07-25T21:49:24","slug":"korelacja-krzyzowa-w-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/korelacja-krzyzowa-w-r\/","title":{"rendered":"Jak obliczy\u0107 korelacj\u0119 krzy\u017cow\u0105 w r"},"content":{"rendered":"

<\/p>\n

\n

Korelacja krzy\u017cowa<\/strong> to spos\u00f3b pomiaru stopnia podobie\u0144stwa mi\u0119dzy szeregiem czasowym a op\u00f3\u017anion\u0105 wersj\u0105 innego szeregu czasowego.<\/span><\/p>\n

Ten typ korelacji jest przydatny do oblicze\u0144, poniewa\u017c mo\u017ce nam powiedzie\u0107, czy warto\u015bci w jednym szeregu czasowym przewiduj\u0105 przysz\u0142e warto\u015bci w innym szeregu czasowym.<\/span> Innymi s\u0142owy, mo\u017ce nam powiedzie\u0107, czy jeden szereg czasowy jest wiod\u0105cym wska\u017anikiem dla innego szeregu czasowego.<\/span><\/p>\n

Ten typ korelacji jest stosowany w wielu r\u00f3\u017cnych dziedzinach, w tym:<\/span><\/p>\n

Gospodarka:<\/strong> Wska\u017anik zaufania konsument\u00f3w (CCI) jest uwa\u017cany za wiod\u0105cy wska\u017anik produktu krajowego brutto (PKB) danego kraju. Na przyk\u0142ad, je\u015bli CCI jest wysoki w danym miesi\u0105cu, PKB prawdopodobnie b\u0119dzie wy\u017cszy x<\/em> miesi\u0119cy p\u00f3\u017aniej.<\/span><\/p>\n

Firmy:<\/strong> Wydatki na marketing s\u0105 cz\u0119sto uwa\u017cane za wiod\u0105cy wska\u017anik przysz\u0142ych przychod\u00f3w firmy. Na przyk\u0142ad, je\u015bli firma wydaje niezwykle du\u017c\u0105 kwot\u0119 na marketing w jednym kwartale, w\u00f3wczas ca\u0142kowite przychody powinny by\u0107 wysokie x<\/em> kwarta\u0142\u00f3w p\u00f3\u017aniej.<\/span><\/p>\n

Biologia:<\/strong> Ca\u0142kowite zanieczyszczenie ocean\u00f3w jest uwa\u017cane za wiod\u0105cy wska\u017anik populacji okre\u015blonego gatunku \u017c\u00f3\u0142wia. Na przyk\u0142ad, je\u015bli w danym roku zanieczyszczenie jest wy\u017csze, oczekuje si\u0119, \u017ce ca\u0142kowita populacja \u017c\u00f3\u0142wi zmniejszy si\u0119 x<\/em> lat p\u00f3\u017aniej.<\/span><\/p>\n

Poni\u017cszy przyk\u0142ad pokazuje, jak obliczy\u0107 korelacj\u0119 krzy\u017cow\u0105 mi\u0119dzy dwoma szeregami czasowymi w R.<\/span><\/p>\n

Przyk\u0142ad: Jak obliczy\u0107 korelacj\u0119 krzy\u017cow\u0105 w R<\/strong><\/span><\/h3>\n

Za\u0142\u00f3\u017cmy, \u017ce mamy w R nast\u0119puj\u0105cy szereg czasowy, kt\u00f3ry pokazuje ca\u0142kowite wydatki marketingowe (w tysi\u0105cach) okre\u015blonej firmy, a tak\u017ce ca\u0142kowity przych\u00f3d (w tysi\u0105cach) przez 12 kolejnych miesi\u0119cy:<\/span><\/p>\n

 #define data<\/span>\nmarketing <- c(3, 4, 5, 5, 7, 9, 13, 15, 12, 10, 8, 8)\nrevenue <- c(21, 19, 22, 24, 25, 29, 30, 34, 37, 40, 35, 30)<\/strong><\/pre>\n
 Korelacj\u0119 krzy\u017cow\u0105 dla ka\u017cdego op\u00f3\u017anienia pomi\u0119dzy dwoma szeregami czasowymi mo\u017cemy obliczy\u0107 za pomoc\u0105 funkcji ccf()<\/b> w nast\u0119puj\u0105cy spos\u00f3b:<\/span> <\/p>\n
 #calculate cross correlation<\/span>\nccf(marketing, revenue)\n<\/strong><\/pre>\n
\"Korelacja<\/p>\n
 Ten wykres przedstawia korelacj\u0119 mi\u0119dzy dwoma szeregami czasowymi przy r\u00f3\u017cnych op\u00f3\u017anieniach.<\/span><\/p>\n
 Aby wy\u015bwietli\u0107 rzeczywiste warto\u015bci korelacji, mo\u017cemy zastosowa\u0107 nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n
 #display cross correlation values<\/span>\nprint<\/span> (ccf(marketing, revenue))\n\nAutocorrelations of series 'X', by lag\n\n    -7 -6 -5 -4 -3 -2 -1 0 1 2 3 \n-0.430 -0.351 -0.190 0.123 0.489 0.755 0.868 0.771 0.462 0.194 -0.061 \n     4 5 6 7 \n-0.282 -0.445 -0.492 -0.358\n<\/strong><\/pre>\n
 Oto jak zinterpretowa\u0107 ten wynik:<\/span><\/p>\n