Muchas gracias por la explicación!! excelente video! Qué pasa si no se puede realizar una transformación de las variables que permitan que la distribución sea normal para realizar la correlación entre dos variables?
Hola, en el analisis de correlación cruzada, no necesitas que las series sean estacionarias, es decir, verificar primero estacionariedad con la prueba Dickey-Fuller y si es necesario, aplicar diferencias a las series antes del analisis? Saludos
Se siguen los mismos pasos de inspección de los gráficos de ACF y PACF, para ver si se requiere diferenciación y transformación. Si al final no se logra hacer un modelo con ruido blanco para la serie temporal, se podría usar métodos de modelado del tipo GAM
Análisis de tiempo y un ejemplo de análisis espectral
Muy buen video, se agradece el tiempo que le dedicas a algo que poca gente valora.
Molt bo. Gràcies.
por fin entendí esto. gracias
Muchas gracias por la explicación!! excelente video! Qué pasa si no se puede realizar una transformación de las variables que permitan que la distribución sea normal para realizar la correlación entre dos variables?
Podría intentar usar los datos con el método de Spearman que los trabajaría como transformados a rangos: ccfSpearman
Gracias por el video tengo una pregunta ¿Qué comando uso en la versión RStudio
2022.07.2 por la función auto.arima?
antes debe carga el paquete forecast, debería correr
Excelente explicación!!!. Es posible obtener el codigo, debido a que realizo los pasos y no llego a los mismo valores. Muchas gracias
Hola, en el analisis de correlación cruzada, no necesitas que las series sean estacionarias, es decir, verificar primero estacionariedad con la prueba Dickey-Fuller y si es necesario, aplicar diferencias a las series antes del analisis? Saludos
Sí, puedes adf.test(variable) y diff(variable) en cada variable para hacer eso antes de correr el análisis del ccf.
y como aplicaría para datos no paramétricos?
Se siguen los mismos pasos de inspección de los gráficos de ACF y PACF, para ver si se requiere diferenciación y transformación. Si al final no se logra hacer un modelo con ruido blanco para la serie temporal, se podría usar métodos de modelado del tipo GAM