R中的CCF函数如何为相同的向量返回不同的相关性，即。 corr(x,y) 和 corr(y,x)答案

【问题标题】：How come CCF function in R return different correlation for same vectors ie. corr(x,y) and corr(y,x)R中的CCF函数如何为相同的向量返回不同的相关性，即。 corr(x,y) 和 corr(y,x)
【发布时间】：2019-06-03 16:33:25
【问题描述】：

set.seed(1)
sample = rnorm(20,mean = 5,1)
x=acf(ts.intersect(ts(sample),ts(sample+.5*sample)))

当我们查看上述代码的输出时， x[1,2] , corr between x,y 和 x[2,1] corr between y,x ，它给出了不同的答案。

x[1,2]!=x[2,1] ;我错过了什么？

【问题讨论】：

标签： r statistics correlation

【解决方案1】：

就情节而言，也许您缺少滞后值：右上方的情节滞后 0,...,10，而左下的情节滞后 -10,...,0。那么确实 i 和 -i 滞后在 i=0,...,10 时重合。

就x对象而言，

x[2,1]

# Autocorrelations of series ‘ts.intersect(ts(sample), ts(sample + 0.5 * sample))’, by lag
#
#      2 
# -0.185 
x[1,2]

# Autocorrelations of series ‘ts.intersect(ts(sample), ts(sample + 0.5 * sample))’, by lag
#
#      1 
# -0.122

所以第一个对应于滞后±2，而第二个对应于滞后±1。

【讨论】：

谢谢，现在清楚了。 x$acf 是一个数组（不是矩阵）；所以 x[1,2] 是滞后 1 的相关性，而 x[2,1] 是滞后 2 的相关性
@Yash，对。此外，虽然x$acf 确实是一个数组，但目前尚不清楚该数组x[1,2] 的哪个元素是，因为x$acf 是三维的（因此我们需要三个索引），所以看起来确实是一个更好的主意子集x$acf。
是的，这就是它变得混乱的原因。感谢您的澄清。