步骤1。加载数据。

加载超短裤的时间序列。

负载(“Data_Overshort.mat”) Y =数据;N =长度(Y);图(Y) xlim([0,N])“连续57天穿超短裤”）

级数看起来是静止的。

步骤2。绘制样本ACF和PACF。

绘制样本自相关函数(ACF)和部分自相关函数(PACF)。

figure subplot(2,1,1) autocorr(Y) subplot(2,1,2) parcorr(Y)

样本ACF和PACF表现出显著的自相关。样本ACF在滞后1时具有显著的自相关性。样本PACF在滞后1,3,4时具有显著的自相关性。

ACF的明显截止值与PACF的逐渐衰减相结合，表明MA(1)模型可能适用于此数据。

步骤3。存储示例ACF和PACF值。

将样本ACF和PACF值存储到滞后15。

acf = autocorr(Y，“NumLags”15);pacf = parcorr(Y，“NumLags”15);(长度(acf)长度(pacf))

ans =1×216日16

输出acf而且pacf是在滞后0,1，…时存储样本自相关和部分自相关的向量，15(总共16个滞后)。

步骤1。加载数据。

加载超短裤的时间序列。

负载(“Data_Overshort.mat”) Y =数据;N =长度(Y);图(Y) xlim([0,N])“连续57天穿超短裤”）

数据似乎在一个恒定的平均值附近波动，因此在进行Ljung-Box q检验之前不需要进行数据转换。

步骤2。进行Ljung-Box q检验。

在滞后5、10和15时对自相关性进行Ljung-Box q检验。

[h,p,Qstat,crit] = lbqtest(Y，“滞后”, 5、10、15)

h =1x3逻辑阵列1 1 1

p =1×30.0016 0.0007 0.0013

Qstat =1×319.3604 30.5986 36.9639

暴击=1×311.0705 18.3070 24.9958

所有输出都是具有三个元素的向量，对应于三个滞后中的每个测试。每个输出的第一个元素对应滞后5的测试，第二个元素对应滞后10的测试，第三个元素对应滞后15的测试。

测试决策存储在向量中h．的值H = 1意味着拒绝零假设。向量p包含三个测试的p值。在 $$\alpha ＝0．05$$显著性水平，在所有三个滞后中都拒绝无自相关的原假设。结论是该序列存在显著的自相关。

测试统计数据和 $${\chi }^2$$临界值在输出中给出Qstat而且暴击,分别。