Exponenta Banner
exponenta event banner

parcorr

Выборочная частичная автокорреляция

свернуть все на странице

Синтаксис

parcorr (y)
parcorr (y, имя, значение)
pacf = parcorr (___)
[pacf, lags, bounds] = участок (___)
parcorr (топор, ___)
[pacf, lags, bounds, h] = участок (___)

Описание

пример

parcorr(y) строит график выборки функции частичной автокорреляции (PACF) одномерного стохастического временного ряда y с доверительными границами.

пример

parcorr(y,Name,Value) использует дополнительные параметры, заданные одним или несколькими аргументами пары имя-значение. Например, parcorr(y,'NumLags',10,'NumSTD',2) строит график выборки PACF y для 10 lags и отображает доверительные границы, состоящие из 2 стандартные ошибки.

пример

pacf = parcorr(___) возвращает образец PACF y с использованием любого из входных аргументов в предыдущих синтаксисах.

пример

[pacf,lags,bounds] = parcorr(___) дополнительно возвращает числа запаздываний, которые MATLAB ® использует для вычисления PACF, а также возвращает приблизительные верхний и нижний доверительные границы.

parcorr(ax,___) графики на осях, указанных ax вместо текущих осей (gca). ax может предшествовать любой из комбинаций входных аргументов в предыдущих синтаксисах.

[pacf,lags,bounds,h] = parcorr(___) строит график выборки PACF y и дополнительно возвращает маркеры перемещения к графическим объектам печати. Использовать элементы h для изменения свойств графика после его создания.

Примеры

свернуть все

Открыть сценарий в реальном времени

Укажите модель AR (2):

yt = 0 .6yt-1-0.5yt-2 + αt,

где αt - гауссов со средним значением 0 и дисперсией 1.

rng(1); % For reproducibility
Mdl = arima('AR',{0.6 -0.5},'Constant',0,'Variance',1)
Mdl = 
  arima with properties:

     Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 2
               D: 0
               Q: 0
        Constant: 0
              AR: {0.6 -0.5} at lags [1 2]
             SAR: {}
              MA: {}
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: 1

Моделирование 1000 наблюдений из Mdl.

y = simulate(Mdl,1000);

Вычислите PACF.

[partialACF,lags,bounds] = parcorr(y,'NumAR',2);
bounds
bounds = 2×1

    0.0632
   -0.0632

bounds отображает (-0.0633, 0.0633), которые являются верхней и нижней доверительными границами.

Постройте график PACF.

parcorr(y)

Figure contains an axes. The axes with title Sample Partial Autocorrelation Function contains 4 objects of type stem, line.

PACF отключается после второго запаздывания. Это поведение указывает на процесс AR (2).

Открыть сценарий в реальном времени

Укажите мультипликативную сезонную модель ARMA (2,0,1) × (3,0,0) 12:

(1-0.75L-0.15L2) (1-0.9L12+0.75L24-0.5L36) yt=2 +εt-0.5εt-1,

где αt - гауссов со средним значением 0 и дисперсией 1.

Mdl = arima('AR',{0.75,0.15},'SAR',{0.9,-0.75,0.5},...
    'SARLags',[12,24,36],'MA',-0.5,'Constant',2,...
    'Variance',1);

Моделирование данных из Mdl.

rng(1);
y = simulate(Mdl,1000);

Постройте график функции частичной автокорреляции по умолчанию (PACF).

figure
parcorr(y)

Figure contains an axes. The axes with title Sample Partial Autocorrelation Function contains 4 objects of type stem, line.

Коррелограмма по умолчанию не отображает структуру зависимости для более высоких лагов.

Постройте график PACF на 40 лагов.

figure
parcorr(y,'NumLags',40)

Figure contains an axes. The axes with title Sample Partial Autocorrelation Function contains 4 objects of type stem, line.

Коррелограмма показывает большие корреляции на лагах 12, 24 и 36.

Входные аргументы

свернуть все

Наблюдаемые одномерные временные ряды, для которых программное обеспечение вычисляет или строит график PACF, указанный как вектор. Последний элемент y содержит последнее наблюдение.

Указать отсутствующие наблюдения с помощью NaN. parcorr функция рассматривает отсутствующие значения как отсутствующие полностью случайным образом.

Типы данных: double

Оси для печати, указанные как Axes объект.

По умолчанию parcorr графики к текущим осям (gca).

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: parcorr(y,'NumLags',10,'NumSTD',2) строит график выборки PACF y для 10 lags и отображает доверительные границы, состоящие из 2 стандартные ошибки.

Количество лагов в выборке PACF, указанное как пара, разделенная запятыми, состоящая из 'NumLags' и положительное целое число. parcorr использует задержки 0:NumLags для оценки PACF.

Значение по умолчанию: min([20,T – 1]), где T - эффективный размер выборки y.

Пример: parcorr(y,'Numlags',10) строит график выборки PACF y для лагов 0 через 10.

Типы данных: double

Количество лагов в теоретической модели AR y, указанная как пара, разделенная запятыми, состоящая из 'NumAR' и неотрицательное целое число, меньшее NumLags.

parcorr использование NumAR для оценки доверительных границ. Для лагов > NumAR, parcorr предполагает, что y является гауссовым белошумовым процессом длиной N. Следовательно, стандартная ошибка составляет приблизительно 1/T, где T - эффективный размер выборки y.

Пример: parcorr(y,'NumAR',10) указывает, что y является AR (10) процесс и строит графики доверительных границ для всех лагов, превышающих 10.

Типы данных: double

Количество стандартных ошибок в доверительных границах, указанных как пара, разделенная запятыми, состоящая из 'NumSTD' и неотрицательный скаляр. Для всех лагов > NumAR, доверительные границы равны 0 ± NumSTD*λ ^, где λ ^ - расчетная стандартная погрешность частичной автокорреляции образца.

Значения по умолчанию дают приблизительно 95% доверительные границы.

Пример: parcorr(y,'NumSTD',1.5) строит график PACF y с доверительными границами 1.5 стандартные ошибки за пределами 0.

Типы данных: double

Метод оценки PACF, указанный как разделенная запятыми пара, состоящая из 'Method' и значение в этой таблице.

СтоимостьОписаниеОграничения
'ols'Обычные наименьшие квадраты (OLS)y должен быть полностью наблюдаемым рядом (то есть не содержит NaN значения)
'yule-walker'Уравнения Юле - УокераНичего

Если y является полностью наблюдаемым рядом, то по умолчанию 'ols'. В противном случае значение по умолчанию - 'yule-walker'.

Пример: parcorr(y,'Method','yule-walker') оценивает PACF y используя уравнения Юле-Уокера, затем строит график PACF.

Типы данных: char | string

Выходные аргументы

свернуть все

Выборка PACF одномерного временного ряда y, возвращается в виде числового вектора длины NumLags + 1.

Элементы pacf соответствуют лагам 0,1,2,...,NumLags (то есть элементы lags). Для всех временных рядов y, запаздывание 0 частичная автокорреляция pacf(1) = 1.

Запаздывающие числа, используемые для оценки PACF, возвращаемые как числовой вектор длины NumLags + 1.

Приблизительные верхние и нижние частичные пределы доверия автокорреляции, предполагающие y является AR (NumAR) процесс, возвращаемый как двухэлементный числовой вектор.

Обрабатывает графические объекты, возвращаемые в виде графического массива. h содержит уникальные идентификаторы графика, которые можно использовать для запроса или изменения свойств графика.

Подробнее

свернуть все

Функция частичной автокорреляции

Функция частичной автокорреляции измеряет корреляцию между yt и yt + k после корректировки на линейные эффекты yt + 1,..., yt + k-1.

Оценка PACF включает в себя решение уравнений Юле-Уокера относительно автокорреляций. Однако если временной ряд полностью соблюден, то PACF может быть оценен подгонкой последовательных авторегрессионных моделей порядков 1, 2,... с использованием обычных наименьших квадратов. Для получения более подробной информации см. [1], глава 3.

Полное случайное отсутствие

Наблюдения случайной величины полностью пропускаются случайным образом, если тенденция к отсутствию наблюдения не зависит как от случайной величины, так и от тенденции к отсутствию всех других наблюдений.

Совет

Для построения графика PACF без доверительных границ установите 'NumSTD',0.

Алгоритмы

parcorr отображает PACF при отсутствии запроса на вывод или при запросе четвертого вывода.

Ссылки

[1] Бокс, Г. Э. П., Г. М. Дженкинс и Г. К. Рейнсель. Анализ временных рядов: прогнозирование и контроль. 3-й ред. Энглвуд Клиффс, Нью-Джерси: Прентис Холл, 1994.

[2] Гамильтон, Дж. Д. Анализ временных рядов. Принстон, Нью-Джерси: Princeton University Press, 1994.

См. также

| |

Темы

Представлен до R2006a

Документация по инструментарию Econometrics

Поддержка