主要内容

parcorr

样本偏自相关

折叠所有页面

语法

parcorr (y)
parcorr (y,名称、值)
pacf = parcorr (＿＿＿）
(pacf、滞后界限)= parcorr (＿＿＿）
parcorr (ax,＿＿＿）
[pacf、滞后界限,h] = parcorr (＿＿＿）

描述

例子

parcorr (y）情节的样本偏自相关单变量随机时间序列的函数(PACF)y有信心。

例子

parcorr (y，名称,值）使用由一个或多个名称-值对参数指定的附加选项。例如,parcorr (y, NumLags 10 ' NumSTD ', 2)绘制的样本PACFy为10时滞并显示置信区间2标准错误。

例子

pacf= parcorr (＿＿＿）返回的样本PACFy使用前面语法中的任何输入参数。

例子

［pacf，滞后，界限) = parcorr (＿＿＿）另外返回MATLAB的滞后数®使用来计算PACF，并返回近似的上下限置信范围。

parcorr (斧头，＿＿＿）在指定的坐标轴上绘图斧头而不是当前的轴(gca）.斧头可以放在前面语法中的任何输入参数组合的前面。

［pacf，滞后，界限，h) = parcorr (＿＿＿）绘制的样本PACFy并返回绘制图形对象的句柄。使用的元素h在创建绘图后修改它的属性。

例子

全部折叠

打开生活的脚本

指定AR(2)模型:

y t ＝ 0 ． 6 y t - 1 - 0 ． 5 y t - 2 + ε t ，

在哪里 ε t 为高斯分布，均值为0，方差为1。

rng (1);%的再现性Mdl = arima (基于“增大化现实”技术的{0.6 - -0.5},“不变”0,“方差”, 1)
描述:“arima(2,0,0)模型(高斯分布)”分布:Name = "高斯" P: 2 D: 0 Q: 0 Constant: 0 AR: {0.6 -0.5} at lag [1 2] SAR: {} MA: {} SMA:{}季节性:0 Beta: [1×0]方差:1

模拟1000个观测Mdl．

y =模拟(Mdl, 1000);

计算PACF。

(partialACF、滞后界限)= parcorr (y,“NumAR”2);界限
边界=2×10.0632 - -0.0632

界限显示(-0.0633,0.0633)，这是上置信范围和下置信范围。

绘制PACF。

parcorr (y)

图中包含一个轴对象。标题为样本偏自相关函数的轴对象包含stem、line类型的4个对象。

PACF在第二次延迟后停止。此行为表示一个AR(2)流程。

打开生活的脚本

指定乘数季节ARMA （ 2 ， 0 ， 1 ） × （ 3. ， 0 ， 0 ） 1 2 模型:

（ 1 - 0 ． 7 5 l - 0 ． 1 5 l 2 ） （ 1 - 0 ． 9 l 1 2 + 0 ． 7 5 l 2 4 - 0 ． 5 l 3. 6 ） y t ＝ 2 + ε t - 0 ． 5 ε t - 1 ，

在哪里 ε t 为高斯分布，均值为0，方差为1。

Mdl = arima (基于“增大化现实”技术的{0.75, 0.15},“特别行政区”{0.9, -0.75, 0.5},．..“SARLags”(12、24、36),“马”, -0.5,“不变”2,．..“方差”1);

模拟的数据Mdl．

rng (1);y =模拟(Mdl, 1000);

绘制默认的偏自相关函数(PACF)。

图parcorr (y)

图中包含一个轴对象。标题为样本偏自相关函数的轴对象包含stem、line类型的4个对象。

默认相关图不显示高滞后的依赖结构。

绘制40次滞后的PACF。

图parcorr (y,“NumLags”, 40)

图中包含一个轴对象。标题为样本偏自相关函数的轴对象包含stem、line类型的4个对象。

相关图显示了滞后12、24和36的较大相关性。

输入参数

全部折叠

观察到的单变量时间序列，软件计算或绘制PACF，指定为向量。最后一个要素y包含了最新的观察结果。

使用以下方法指定缺失的观测值南．的parcorr函数将丢失的值视为完全随机丢失．

数据类型:双

用于绘图的轴，指定为轴对象。

默认情况下,parcorr绘制到当前坐标轴(gca）.

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:parcorr (y, NumLags 10 ' NumSTD ', 2)绘制的样本PACFy为10时滞并显示置信区间2标准错误。

样本PACF中的滞后次数，指定为逗号分隔对组成“NumLags”一个正整数。parcorr使用滞后0: NumLags来估计PACF。

默认值是分钟([20日T- 1),在那里T有效样本量是多少y．

例子:parcorr (y, Numlags, 10)绘制的样本PACFy对滞后0通过10．

数据类型:双

的理论AR模型中的滞后数y，指定为逗号分隔的对，由“NumAR”和小于的非负整数NumLags．

parcorr使用NumAR估计置信范围。对滞后>NumAR，parcorr假设y是高斯白噪声过程的长度n．因此，标准误差近似 1 / T ， 在哪里T有效样本量是多少y．

例子:parcorr (y, NumAR, 10)指定y是一个基于“增大化现实”技术(10)，并绘制所有滞后项的置信界限10．

数据类型:双

置信范围内的标准错误数，由逗号分隔对组成“NumSTD”一个非负标量。对于所有的滞后>NumAR，置信限为0±NumSTD * σ ＾ ,在那里 σ ＾ 为样本偏自相关估计的标准误差。

违约产生大约95%的置信界限。

例子:parcorr (y, NumSTD, 1.5)绘制PACFy有信心界限1．5标准误差远离0。

数据类型:双

PACF估计方法，指定为逗号分隔对组成“方法”和这个表中的值。

价值 描述 限制
“ols” 普通最小二乘(OLS) y必须是一个完全观察的系列(也就是说，它不包含任何南值)
“yule-walker” Yule-Walker方程 没有一个

如果y是完全观察的系列，那么默认是“ols”．否则，默认为“yule-walker”．

例子:parcorr (y,“法”、“yule-walker”)估计的PACFy使用Yule-Walker方程，然后绘制PACF。

数据类型:字符|字符串

输出参数

全部折叠

单变量时间序列的PACF样本y，作为长度的数字向量返回NumLags+1．

的元素pacf对应滞后0,1,2，…，NumLags(即元素滞后）.对于所有时间序列y，滞后0部分自相关pacf (1)＝1．

用于PACF估计的滞后数，作为长度的数字向量返回NumLags+1．

近似上、下局部自相关置信限假设y是一个基于“增大化现实”技术(NumAR)进程，返回为两个元素的数字向量。

用于绘制图形对象的句柄，作为图形数组返回。h包含惟一的情节标识符，可以使用该标识符查询或修改情节的属性。

更多关于

全部折叠

偏自相关函数

的偏自相关函数测量yt和yt+k调整后的线性效果yt+ 1、……yt+k- 1．

PACF的估计涉及到对自相关的Yule-Walker方程的求解。然而，如果时间序列是完全观测的，那么PACF可以通过拟合阶为1,2，…的连续自回归模型来估计。使用普通最小二乘。有关详细信息,请参见［1］,第3章。

完全随机丢失

随机变量的观测值为完全随机丢失如果一个观测的缺失趋势独立于随机变量和所有其他观测的缺失趋势。

提示

要绘制没有置信界限的PACF，请设置“NumSTD”,0．

算法

parcorr当您不请求任何输出或请求第四个输出时绘制PACF。

参考文献

[1] Box, G. E. P. G. M. Jenkins和G. C. Reinsel。时间序列分析:预测与控制．3版。恩格尔伍德悬崖，NJ: Prentice Hall, 1994。

j·D·汉密尔顿时间序列分析．普林斯顿:普林斯顿大学出版社，1994。

另请参阅

||

主题

之前介绍过的R2006a

计量经济学工具文档

万博1manbetx

用MATLAB建模财务风险的实用指南

用MATLAB建模财务风险的实用指南

下载电子书