O método de correlação condicional dinâmica (DCC) é um exemplo de método de volatilidade multivariada baseado em modelo que é popular em finanças e foi recentemente introduzido em neuroimagem. Este método fornece uma maneira de estimar correlações condicionais entre séries temporais.
Correlações variáveis ao longo do tempo são geralmente estimadas com modelos multivariados de heterocedasticidade condicional autorregressiva generalizada (GARCH) que são lineares em termos de quadrados e produtos cruzados dos dados. Uma nova classe de modelos multivariados, chamados modelos de correlação condicional dinâmica, foi proposta. Eles têm a flexibilidade de modelos GARCH univariados combinados com modelos paramétricos parcimoniosos para correlações. Eles não são lineares, mas podem ser estimados de forma muito simples por métodos univariados ou de duas etapas, geralmente baseados em funções de probabilidade. Foi demonstrado que eles apresentam bom desempenho em diversas situações e fornecem resultados empíricos razoáveis.
Correlação bivariada dinâmica, ou simplesmente correlação dinâmica, é a correlação entre um par de séries temporais que variam ao longo do tempo. Avaliar a correlação dinâmica é importante em muitos campos da neurociência. A estimativa de correlação dinâmica é de interesse em neuroimagem porque muitos estudos identificaram alterações dinâmicas na conectividade funcional durante testes de ressonância magnética funcional, particularmente em repouso. Estimar a correlação dinâmica também é de interesse em neurofisiologia. Por exemplo, a correlação dinâmica entre séries temporais de potencial de campo local obtidas de diferentes regiões do cérebro pode ser usada para explorar como regiões específicas do cérebro trabalham juntas durante certos comportamentos específicos. Ao identificar tais mudanças, é importante garantir que as mudanças dinâmicas nas correlações observadas não sejam devidas a flutuações espúrias inerentes ao método de estimativa utilizado.
As duas abordagens atualmente disponíveis para estimativa de correlação dinâmica na literatura de neurociência são o método da janela deslizante e a correlação condicional dinâmica:
Embora a correlação condicional dinâmica tenha muitas propriedades desejáveis em comparação ao método da janela deslizante, ela tem certas limitações.
As medições de séries temporais que aparecem na literatura de neurociência ocasionalmente apresentam alguns valores discrepantes, como visto em dados de séries temporais de potencial de campo local. Tais valores só podem ser ignorados se forem uma anomalia incompatível com a estrutura científica subjacente. Observa-se que o desempenho do método de correlação condicional dinâmica não é robusto na presença de valores extremos. Outra limitação deste método diz respeito à sua implementação prática usando algoritmos numéricos.
Hoje, além do método da janela deslizante e do método de correlação condicional dinâmica, existe um terceiro método para estimar a correlação dinâmica, que é baseado no algoritmo de gráfico ponderado.
Essencialmente, a análise de correlação é um método estatístico que define a relação entre variáveis e fornece informações sobre a direção e o grau dessa relação. O coeficiente de correlação é um valor que mostra a força da relação entre a variável dependente e as variáveis independentes. Este valor fornece informações sobre a direção das variáveis e como as interações ocorrem.
Nossa organização conta com uma equipe forte que acompanha de perto os desenvolvimentos no campo da ciência e tecnologia no mundo e se aprimora constantemente. Entre os inúmeros estudos de teste, medição, análise e avaliação fornecidos para empresas de vários setores, também há serviços de análise de correlação condicional dinâmica (DCC).
Você pode nos pedir para preencher nosso formulário para marcar uma consulta, obter informações mais detalhadas ou solicitar uma avaliação.
