Метод динамической условной корреляции (DCC) является примером метода многомерной волатильности на основе модели, который популярен в финансах и недавно был внедрен в нейровизуализацию. Этот метод позволяет оценить условные корреляции между временными рядами.
Изменяющиеся во времени корреляции обычно оцениваются с помощью многомерных обобщенных авторегрессионных моделей условной гетероскедастичности (GARCH), которые являются линейными с точки зрения квадратов и перекрестных произведений данных. Предложен новый класс многомерных моделей, называемых моделями динамической условной корреляции. Они обладают гибкостью одномерных моделей GARCH в сочетании с экономичными параметрическими моделями для корреляций. Они нелинейны, но их можно очень просто оценить с помощью одномерных или двухэтапных методов, обычно основанных на функциях вероятности. Было показано, что они хорошо работают в различных ситуациях и дают разумные эмпирические результаты.
Динамическая двумерная корреляция, или просто динамическая корреляция, — это корреляция между парой временных рядов, которые изменяются с течением времени. Оценка динамической корреляции важна во многих областях нейронауки. Оценка динамической корреляции представляет интерес для нейровизуализации, поскольку многие исследования выявили динамические изменения в функциональной связности во время функциональной магнитно-резонансной томографии, особенно в состоянии покоя. Оценка динамической корреляции также представляет интерес для нейрофизиологии. Например, динамическую корреляцию между временными рядами потенциала локального поля, полученными из разных областей мозга, можно использовать для изучения того, как определенные области мозга работают вместе во время определенных видов поведения. При выявлении таких изменений важно убедиться, что динамические сдвиги в наблюдаемых корреляциях не вызваны ложными колебаниями, присущими используемому методу оценки.
В настоящее время в литературе по нейронауке доступны два подхода к оценке динамической корреляции: метод скользящего окна и динамическая условная корреляция:
Хотя динамическая условная корреляция обладает многими полезными свойствами по сравнению с методом скользящего окна, у нее есть определенные ограничения.
Измерения временных рядов, представленные в литературе по нейронауке, иногда имеют несколько выбросов, как это видно на примере данных временных рядов потенциала локального поля. Такие значения можно игнорировать только в том случае, если они представляют собой аномалию, несовместимую с базовой научной структурой. Видно, что эффективность метода динамической условной корреляции не является надежной при наличии экстремальных значений. Еще одно ограничение этого метода касается его практической реализации с использованием численных алгоритмов.
На сегодняшний день, помимо метода скользящего окна и метода динамической условной корреляции, существует третий метод оценки динамической корреляции, основанный на алгоритме взвешенного графа.
По сути, корреляционный анализ — это статистический метод, определяющий взаимосвязь между переменными и предоставляющий информацию о направлении и степени этой взаимосвязи. Коэффициент корреляции — это величина, показывающая силу связи между зависимой переменной и независимыми переменными. Это значение предоставляет информацию о направлении переменных и о том, как происходит взаимодействие.
Наша организация имеет сильный коллектив, который внимательно следит за развитием событий в области науки и техники в мире и постоянно совершенствуется. Среди многочисленных исследований по тестированию, измерению, анализу и оценке, предоставляемых предприятиям различных секторов, имеются также услуги динамического условного корреляционного анализа (DCC).
Вы можете попросить нас заполнить нашу форму, чтобы записаться на прием, получить более подробную информацию или запросить оценку.
