시계열 상관관계 분석(Correlation analysis)

시계열 데이터를 다룰 때, 여러 시계열 데이터 간의 상관 관계를 파악하고 이에 따라서 데이터 모델링을 해야 하는 상황이 온다. 시계열 데이터들 간의 상관관계를 분석하는 여러가지 방법을 소개한다.

• 피어슨 상관 계수(Pearson Correlation Coefficient): 두 변수 간의 선형 상관 관계를 측정하는 가장 일반적인 방법. -1에서 1사이의 값을 가진다.
• 스피어만 순위 상관 계수(Spearman Rank Correlation Coefficient): 두 변수 간의 순위 기반의 비선형 상관 관계를 측정한다. 피어슨 상관 계수와 마찬가지로 -1에서 1 사이의 값을 가진다.
• 켄달 타우(Kendall's Tau): 스피어만 상관 계수와 유사하게, 켄달 타우는 두 변수 간의 순위 기반의 비선형 상관 관계를 측정한다. 켄달의 타우는 스피어만 상관 계수보다 계산이 조금 더 복잡하지만, 이상치에 대한 내성이 더 강하다.
• 크로스 코릴레이션(Cross-correlation): 두 시계열 데이터 간의 시차(lag)를 고려한 상관 관계를 분석하는 방법. 시계열 데이터에서 패턴이나 추세가 시간 지연에 따라 상관 관계를 갖는 경우 유용하게 사용할 수 있다.
• 그레인저 인과 검정(Granger Causality Test): 한 시계열이 다른 시계열에 대한 예측력을 가지고 있는지를 검정하는 방법. 이 방법은 두 시계열 간의 인과 관계를 추론하는 데 도움 된다.