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)和偏自相关函数(PACF)定性评估自相关。
连续时间序列是57天的overshorts油箱在科罗拉多州。
步骤1。加载数据。
负载overshorts的时间序列。
负载(“Data_Overshort.mat”)Y =数据;N =长度(Y);图绘制(Y) xlim ([0, N])标题(“连续57天Overshorts”)
该系列似乎是静止的。
步骤2。画出样本ACF和PACF。
情节样本自相关函数(ACF)和偏自相关函数(PACF)。
图次要情节(2,1,1)autocorr (Y)次要情节(2,1,2)parcorr (Y)
示例ACF和PACF表现出显著的自相关。示例ACF具有显著的自相关滞后1。示例PACF具有显著的自相关滞后1,3,4。
ACF的不同截止结合逐步衰减的PACF表明马(1)模型可能适合这些数据。
步骤3。商店示例ACF和PACF值。
商店示例ACF和PACF值滞后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
和pacf
是向量存储样本自相关和偏自相关滞后0,1,…15(总共16落后)。
进行Ljung-Box Q-Test
这个例子展示了如何进行Ljung-Box Q-test自相关。
连续时间序列是57天的overshorts油箱在科罗拉多州。
步骤1。加载数据。
负载overshorts的时间序列。
负载(“Data_Overshort.mat”)Y =数据;N =长度(Y);图绘制(Y) xlim ([0, N])标题(“连续57天Overshorts”)
数据似乎在不断波动的意思,所以不需要数据转换之前进行Ljung-Box Q-test。
步骤2。进行Ljung-Box Q-test。
为自相关进行Ljung-Box Q-test滞后5、10和15。
(h p Qstat,暴击)= lbqtest (Y,“滞后”,5、10、15)
h =1 x3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
所有输出向量有三个元素,对应的测试每三个滞后。每个输出的第一个元素对应于测试延迟5,第二个元素对应于测试延迟10,第三个元素对应于测试延迟15。
测试决定存储在向量h
。的值h = 1
意味着拒绝零假设。向量p
包含三个测试的假定值。在
显著性水平,没有自相关的零假设被拒绝在所有三个滞后。结论是有显著相关。
测试数据和
关键值输出Qstat
和暴击
,分别。
引用
[1]Brockwell, p . j . r·a·戴维斯。介绍了时间序列和预测。第二版。纽约,纽约州:施普林格,2002年。