Analisis Korelasi Keadaan Dinamik (DCC)

Kaedah korelasi bersyarat dinamik (DCC) ialah contoh kaedah turun naik multivariate berasaskan model yang popular dalam kewangan dan baru-baru ini telah diperkenalkan dalam pengimejan neuro. Kaedah ini menyediakan cara untuk menganggarkan korelasi bersyarat antara siri masa.

Korelasi pembolehubah masa biasanya dianggarkan dengan model heteroskedastisitas bersyarat autoregresif umum berbilang variasi (GARCH) yang linear dari segi kuasa dua dan hasil silang data. Satu kelas model multivariat baharu yang dipanggil model korelasi bersyarat dinamik telah dicadangkan. Ini mempunyai fleksibiliti model GARCH univariate digabungkan dengan model parametrik parsimoni untuk korelasi. Ia bukan linear tetapi boleh dianggarkan dengan mudah dengan kaedah univariate atau dua langkah, biasanya berdasarkan fungsi kebarangkalian. Mereka telah ditunjukkan untuk berprestasi baik dalam pelbagai situasi dan memberikan hasil empirikal yang munasabah.

Kolerasi bivariat dinamik, atau hanya korelasi dinamik, ialah korelasi antara sepasang siri masa yang berubah mengikut masa. Menilai korelasi dinamik adalah penting dalam banyak bidang dalam neurosains. Anggaran korelasi dinamik adalah menarik dalam pengimejan neuro kerana banyak kajian telah mengenal pasti perubahan dinamik dalam penyambungan fungsi semasa ujian pengimejan resonans magnetik berfungsi, terutamanya semasa rehat. Menganggarkan korelasi dinamik juga menarik minat dalam neurofisiologi. Sebagai contoh, korelasi dinamik antara siri masa potensi medan tempatan yang diperoleh daripada kawasan otak yang berbeza boleh digunakan untuk meneroka cara kawasan otak tertentu berfungsi bersama semasa tingkah laku tertentu. Apabila mengenal pasti perubahan sedemikian, adalah penting untuk memastikan bahawa anjakan dinamik dalam korelasi yang diperhatikan bukan disebabkan oleh turun naik palsu yang wujud pada kaedah anggaran yang digunakan.

Dua pendekatan yang kini tersedia untuk anggaran korelasi dinamik dalam kesusasteraan neurosains ialah kaedah tetingkap gelongsor dan korelasi bersyarat dinamik:

• Kaedah yang digunakan secara meluas untuk anggaran korelasi dinamik ialah kaedah tetingkap gelongsor. Walaupun mudah difahami dan dilaksanakan, had utama kaedah ini adalah ketidakpastian mengenai pemilihan saiz tetingkap.
• Satu lagi kaedah yang mantap untuk anggaran korelasi dinamik ialah korelasi bersyarat dinamik (DCC), yang dibangunkan dalam bidang ekonometrik dan digunakan secara meluas dalam literatur kewangan.

Walaupun korelasi bersyarat dinamik mempunyai banyak sifat yang diingini berbanding dengan kaedah tetingkap gelongsor, ia mempunyai batasan tertentu.

Pengukuran siri masa yang muncul dalam kesusasteraan neurosains kadang-kadang mempunyai beberapa outlier, seperti yang dilihat dalam data siri masa potensi medan tempatan. Nilai sedemikian boleh diabaikan hanya jika ia adalah anomali yang tidak serasi dengan rangka kerja saintifik yang mendasari. Ia dilihat bahawa prestasi kaedah korelasi bersyarat dinamik tidak teguh dengan kehadiran nilai ekstrem. Satu lagi had kaedah ini melibatkan pelaksanaan praktikalnya menggunakan algoritma berangka.

Hari ini, selain kaedah tetingkap gelongsor dan kaedah korelasi bersyarat dinamik, terdapat kaedah ketiga untuk menganggar korelasi dinamik, yang berdasarkan algoritma graf berwajaran.

Pada asasnya, analisis korelasi ialah kaedah statistik yang mentakrifkan hubungan antara pembolehubah dan memberikan maklumat tentang arah dan tahap hubungan ini. Pekali korelasi ialah nilai yang menunjukkan kekuatan hubungan antara pembolehubah bersandar dan pembolehubah tidak bersandar. Nilai ini memberikan maklumat tentang arah pembolehubah dan cara interaksi berlaku.

Organisasi kami mempunyai kakitangan yang kuat yang mengikuti perkembangan dalam bidang sains dan teknologi di dunia dan sentiasa memperbaiki dirinya. Di antara pelbagai ujian, pengukuran, analisis dan kajian penilaian yang disediakan untuk perniagaan dalam pelbagai sektor, terdapat juga perkhidmatan analisis korelasi bersyarat dinamik (DCC).