关联音量时间序列

考虑下图：

红线（左轴）描述了某只股票的交易量。蓝线（右轴）描述了该股票的推特消息量。例如，在5月9日（05-09），进行了约110万笔交易和4.000条推文。

我想计算出时间序列之间是否存在相关性，无论是在同一天还是滞后-例如：推特交易量与一天后的交易量相关。我正在阅读许多进行过此类分析的文章，例如将财务时间序列与微博客活动相关联，但它们并未描述如何实际进行这种分析。文章中说明了以下内容：

但是，我很少有统计分析方面的经验，并且不知道如何在已有的系列文章中执行此操作。我使用SPSS（也称为PASW），我的问题是：从上面的图像基于数据文件的角度出发，要进行这样的分析需要采取哪些步骤？这样的测试是否是默认功能（称为“默认功能”）和/或我还可以执行它吗？

任何帮助将不胜感激 ：-）

二次检查为二元正态性检查三件事：

1. 检查第一批观测值是否在一定程度上是正常的，
2. 检查第二系列的观测值是否在一定程度上是正常的，
3. 彼此回归，并检查残差是否正常。

要在每个步骤中检查正态性，请使用正态qq图，也可以使用任何正态性假设检验。

或者，您也可以检查两个序列的每个可能的线性组合（实系数）是否都略微正常。但是，那可能很困难。

编辑：（6年后）我将保留以上内容以供后代使用，但请注意，我在这里对类似问题有更新的答案。

时间序列之间的相关系数是无用的。请参阅“ 相关系数-测试重要性的临界值”。U. Yule在1926年首次指出这一点。Yule，GU，1926，“为什么有时会在时间序列之间获得无意义的关联？抽样研究和时间序列的性质”，《皇家统计学会杂志》 89，1 –64。您可能想在Google上搜索“为什么我们会胡扯关联”。

这样做的原因是测试相关联的关节正态性。联合正常性要求每个系列都正常。正常需要独立。要检查时间序列之间的关系，请在William Hill WS Wei，David P. Reilly撰写的任何良好的时间序列书（例如《时间序列分析：单变量和多变量方法》）中复习传递函数识别。

挑战答案

在回答您的挑战方面。众所周知（Yule，GU，1926年），将两个时间序列相关可能存在缺陷，特别是如果其中一个序列受脉冲/水平移动/季节性脉冲和/或本地时间趋势影响的话。在这种情况下，我将分别采用每个序列，并确定ARIMA结构以及可能适用并产生错误过程的任何脉冲/水平移动/季节性脉冲和/或本地时间趋势。

通过两个干净的错误过程，两个原始序列中的每个序列，我将计算互相关，然后可以使用互相关来测量每个序列中自相关结构之上和之外的关联度。该解决方案被适当地称为双重预增白方法。

看到：

• 动态回归（分布式滞后）模型中的模型识别
• 功能磁共振成像时间序列分析：线性时不变模型，事件相关功能磁共振成像和最佳实验设计或
• 时间序列分析：单变量和多变量方法，作者：William WS Wei，David P. Reilly