自相关和偏自相关
自相关和偏自相关是什么?
自相关是一个变量的线性相关与自身在两个时间点。对于固定的流程,自相关任何两个观测只取决于之间时间差h他们之间。定义浸(yt,y张茵)=γh。滞后,h自相关是由
分母γ0是落后0协方差,即无条件方差的过程。
两个变量之间的相关性会导致相互线性依赖其他变量(混淆)。偏自相关之间的自相关yt和y张茵删除后的任何线性依赖y1,y2、……y张茵+ 1。部分滞后,h自相关来标示
理论ACF和PACF
自相关函数(ACF)时间序列yt,t= 1,…,N是序列 h= 1,2,…,N- 1。偏自相关函数(PACF)是序列 h= 1,2,…,N- 1。
理论ACF和PACF AR, MA和ARMA条件意味着模型已知,并为每个模型是不同的。这些模型之间的区别很重要,要记住当您选择模型。
条件是模型 | ACF的行为 | PACF行为 |
---|---|---|
基于“增大化现实”技术(p) | 尾巴远离逐渐 | 切断后p滞后 |
硕士(问) | 切断后问滞后 | 尾巴远离逐渐 |
ARMA (p,问) | 尾巴远离逐渐 | 尾巴远离逐渐 |
示例ACF和PACF
样本自相关和偏自相关统计数据,估计理论自相关和偏自相关。使用这些定性模型选择的工具,您可以比较数据与已知的样本ACF和PACF理论自相关函数[1]。
为观察系列y1,y2、……yT,表示样本均值 该样本滞后。h自相关是由
测试的标准误差一个滞后——的重要性h自相关, ,大约是
当你使用autocorr
绘制样本自相关函数(也称为相关图),近似95%置信区间被吸引
默认情况下。可选的输入参数允许您修改计算置信界限。
该样本滞后。h部分自相关估计滞后-h系数在一个包含AR模型h滞后,
测试的标准误差一个滞后——的重要性h偏自相关大约是
当你使用parcorr
画出样本偏自相关函数,近似95%置信区间被吸引
默认情况下。可选的输入参数允许您修改计算置信界限。
计算样本ACF和PACF MATLAB®
这个例子展示了如何计算和绘制样品ACF和使用计量经济学时间序列的PACF工具箱™函数autocorr
和parcorr
,计量经济学建模师应用程序。
生成合成时间序列
模拟一个马(2)的过程 通过过滤一系列1000标准高斯背离 通过差分方程
rng (“默认”)%的再现性e = randn (1000 1);y =过滤器((1 1 1)1 e);
情节和计算ACF
画出ACF的示例
通过模拟时间序列autocorr
。
autocorr (y)
样本自相关的滞后大于2是无关紧要的。
计算样本ACF通过调用autocorr
一次。返回第一个输出参数。
acf = autocorr (y)
acf =21日×11.0000 -0.6682 0.3618 -0.0208 0.0146 -0.0311 0.0611 -0.0828 0.0772 -0.0493⋮
acf (
j
)
样本自相关
在滞后j
- 1。
情节和计算PACF
情节的PACF样本
通过模拟时间序列parcorr
。
parcorr (y)
示例PACF逐渐减少与增加滞后。
计算样本PACF通过调用parcorr
一次。返回第一个输出参数。
pacf = parcorr (y)
pacf =21日×11.0000 -0.6697 -0.1541 0.2929 0.3421 0.0314 -0.1483 -0.2290 -0.0394 0.1419⋮
pacf (
j
)
样本偏自相关
在滞后j
- 1。
示例ACF和PACF表明 是一个马(2)过程。
使用计量经济建模师
打开计量经济学建模应用程序通过输入econometricModeler
在命令提示符。
econometricModeler
负载模拟的时间序列y
。
在计量经济学建模师选项卡,进口部分中,选择进口>导入工作区。
在导入数据对话框,在进口吗?列,选择的复选框
y
变量。点击进口。
的变量日元
出现在数据浏览器,其时间序列的情节出现在时间序列图(日元)图窗口。
情节示例ACF点击ACF在情节选项卡。
情节示例PACF点击PACF在情节选项卡。位置下面的PACF情节ACF情节通过拖拽PACF(日元)选项卡的下半部分文档。
引用
[1]盒子,乔治·e·P。,Gwilym M. Jenkins, and Gregory C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。