В этом примере показано, как вычислить демонстрационную автокорреляционную функцию (ACF) и частичная автокорреляционная функция (PACF), чтобы качественно оценить автокорреляцию.
Временные ряды составляют 57 дней подряд сверхкоротких замыканий от бензобака в Колорадо.
Шаг 1. Загрузите данные.
Загрузите временные ряды сверхкоротких замыканий.
load('Data_Overshort.mat') Y = Data; N = length(Y); figure plot(Y) xlim([0,N]) title('Overshorts for 57 Consecutive Days')
Ряд, кажется, является стационарным.
Шаг 2. Постройте демонстрационный ACF и PACF.
Постройте демонстрационную автокорреляционную функцию (ACF) и частичная автокорреляционная функция (PACF).
figure subplot(2,1,1) autocorr(Y) subplot(2,1,2) parcorr(Y)
Демонстрационный ACF и PACF показывают значительную автокорреляцию. Демонстрационный ACF имеет значительную автокорреляцию в задержке 1. Демонстрационный PACF имеет значительную автокорреляцию в задержках 1, 3, и 4.
Отличное сокращение ACF, объединенного с более постепенным затуханием PACF, предполагает, что модель MA (1) может подходить для этих данных.
Шаг 3. Сохраните демонстрационный ACF и значения PACF.
Запасите демонстрационный ACF и значения PACF, чтобы отстать 15.
acf = autocorr(Y,'NumLags',15); pacf = parcorr(Y,'NumLags',15); [length(acf) length(pacf)]
ans = 1×2
16 16
Выходные параметры acf
и pacf
векторы, хранящие демонстрационную автокорреляцию и частичную автокорреляцию в задержках 0, 1..., 15 (в общей сложности 16 задержек).
В этом примере показано, как провести Q-тест Ljung-поля для автокорреляции.
Временные ряды составляют 57 дней подряд сверхкоротких замыканий от бензобака в Колорадо.
Шаг 1. Загрузите данные.
Загрузите временные ряды сверхкоротких замыканий.
load('Data_Overshort.mat') Y = Data; N = length(Y); figure plot(Y) xlim([0,N]) title('Overshorts for 57 Consecutive Days')
Данные, кажется, колеблются вокруг постоянного среднего значения, таким образом, никакие преобразования данных не необходимы прежде, чем провести Q-тест Ljung-поля.
Шаг 2. Проведите Q-тест Ljung-поля.
Проведите Q-тест Ljung-поля для автокорреляции в задержках 5, 10, и 15.
[h,p,Qstat,crit] = lbqtest(Y,'Lags',[5,10,15])
h = 1x3 logical array
1 1 1
p = 1×3
0.0016 0.0007 0.0013
Qstat = 1×3
19.3604 30.5986 36.9639
crit = 1×3
11.0705 18.3070 24.9958
Все выходные параметры являются векторами с тремя элементами, соответствуя тестам в каждой из трех задержек. Первый элемент каждого выхода соответствует тесту в задержке 5, второй элемент соответствует тесту в задержке 10, и третий элемент соответствует тесту в задержке 15.
Тестовые решения хранятся в векторном h
. Значение h = 1
средние значения отклоняют нулевую гипотезу. Векторный p
содержит p-значения для трех тестов. В уровень значения, нулевая гипотеза никакой автокорреляции отклоняется во всех трех задержках. Заключение состоит в том, что существует значительная автокорреляция в ряду.
Тестовая статистика и критические значения даны в выходных параметрах Qstat
и crit
, соответственно.
[1] Броквелл, P. J. и Р. А. Дэвис. Введение во Временные ряды и Прогнозирование. 2-й редактор Нью-Йорк, Нью-Йорк: Спрингер, 2002.