自相关检测
计算样本ACF和PACF
这个例子展示了如何计算样本自相关函数(ACF)和部分自相关函数(PACF)来定性地评估自相关。
时间序列是连续57天从科罗拉多州的一个油箱里穿超短裤。
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)。
进行Ljung-Box Q-Test
这个例子展示了如何对自相关进行Ljung-Box q检验。
时间序列是连续57天从科罗拉多州的一个油箱里穿超短裤。
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
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
临界值在输出中给出Qstat
而且暴击
,分别。
参考文献
[1]布罗克威尔,P. J.和R. A.戴维斯。时间序列与预测导论.第二版,纽约州纽约:施普林格,2002。