Interpretación de la matriz de correlación cruzada cuando la distribución de una muestra no es normal

Question

Estoy observando la varianza de las variaciones (logarítmicas) de los precios de los valores frente a la cantidad de debates en las redes sociales sobre ellos. No estoy interesado en construir un modelo. Sólo estoy buscando para ver si hay una correlación significativa.

Supongamos que los medios sociales están representados por una variable numérica "sm". Todas las series con las que estoy trabajando son débilmente estacionarias. La distribución de los datos de precios es la que cabría esperar: normal con colas gordas. Sin embargo, las estadísticas básicas de un conjunto típico de observaciones de "sm" son:

nobs          240.000000
NAs             0.000000
Minimum         0.000000
Maximum       725.000000
1. Quartile    52.000000
3. Quartile   119.250000
Mean           99.245833
Median         82.000000
Sum         23819.000000
SE Mean         5.573789
LCL Mean       88.265806
UCL Mean      110.225861
Variance     7456.110861
Stdev          86.348775
Skewness        3.428570
Kurtosis       17.793173

En el caso de los precios frente a "sm" contemporáneos, lag(1), y a veces lag(2), la correlación es positiva pero pequeña, más o menos lo que yo esperaría. Como la distribución no es normal, me pregunto si la matriz de correlación cruzada ( Función ccf() en R ) proporciona una evaluación razonable de la correlación cruzada (asumiendo la linealidad). Agradezco cualquier comentario sobre cómo interpretar estos resultados, así como cualquier comentario sobre las mejores prácticas.

Answer 1

Puede utilizar

rcorr(x, y, type=c("pearson","spearman"))

Por ejemplo

# Correlations with significance levels
library(Hmisc)
rcorr(x, type="pearson") # type can be pearson or spearman

de la Hmisc paquete. Proporciona valores p asintóticos.