文档帮助中心文档
样本偏自相关
parcorr (y)
parcorr (y,名称、值)
pacf = parcorr (___)
(pacf、滞后界限)= parcorr (___)
parcorr (ax,___)
[pacf、滞后界限,h] = parcorr (___)
例子
parcorr (y)情节的样本偏自相关单变量的函数(PACF),随机时间序列y有信心。
y
parcorr (y,名称,值)使用附加选项指定一个或多个参数名称-值对。例如,parcorr (y, NumLags 10 ' NumSTD ', 2)情节的PACF样本y为10落后和显示边界组成的信心2标准错误。
parcorr (y,名称,值)
名称,值
parcorr (y, NumLags 10 ' NumSTD ', 2)
10
2
pacf= parcorr (___)返回的PACF样本y使用任何输入参数在前面的语法。
pacf= parcorr (___)
pacf
(pacf,滞后,界限)= parcorr (___)此外返回滞后数字MATLAB®使用计算PACF,还返回近似上下信心。
(pacf,滞后,界限)= parcorr (___)
滞后
界限
parcorr (斧头,___)情节在指定的轴斧头而不是当前轴(gca)。斧头可以先于任何输入参数组合的以前的语法。
parcorr (斧头,___)
斧头
gca
(pacf,滞后,界限,h)= parcorr (___)情节的PACF样本y另外返回句柄来绘制图形对象。使用的元素h修改属性的情节在您创建它。
(pacf,滞后,界限,h)= parcorr (___)
h
全部折叠
指定AR(2)模型:
y t = 0 。 6 y t - - - - - - 1 - - - - - - 0 。 5 y t - - - - - - 2 + ε t ,
在哪里 ε t 是高斯平均值为0,方差为1。
rng (1);%的再现性Mdl = arima (基于“增大化现实”技术的{0.6 - -0.5},“不变”0,“方差”,1)
Mdl = arima与属性:描述:“arima(2 0 0)模型(高斯分布)”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
模拟1000观察Mdl。
Mdl
y =模拟(Mdl, 1000);
计算PACF。
(partialACF、滞后界限)= parcorr (y,“NumAR”2);界限
边界=2×10.0632 - -0.0632
界限显示器(-0.0633,0.0633),上、下界限的信心。
绘制PACF。
第二延迟后的PACF切断了。这种行为表明一个AR(2)的过程。
指定季节性ARMA乘法 ( 2 , 0 , 1 ) × ( 3 , 0 , 0 ) 1 2 模型:
( 1 - - - - - - 0 。 7 5 l - - - - - - 0 。 1 5 l 2 ) ( 1 - - - - - - 0 。 9 l 1 2 + 0 。 7 5 l 2 4 - - - - - - 0 。 5 l 3 6 ) y t = 2 + ε t - - - - - - 0 。 5 ε t - - - - - - 1 ,
Mdl = arima (基于“增大化现实”技术的{0.75,0.15},“特别行政区”{0.9,-0.75,0.5},…“SARLags”(12、24、36),“马”,-0.5,“不变”2,…“方差”1);
模拟的数据Mdl。
rng (1);y =模拟(Mdl, 1000);
情节默认偏自相关函数(PACF)。
图parcorr (y)
默认相关图不显示的依赖结构更高的滞后。
情节的PACF 40滞后。
图parcorr (y,“NumLags”,40)
相关图显示了较大的相关性在滞后12日24和36。
观察到单变量时间序列的软件计算或情节PACF,指定为一个向量。最后一个元素的y包含最新的观测。
指定失踪观察使用南。的parcorr处理缺失值的函数失踪的完全随机。
南
parcorr
数据类型:双
双
轴
轴的情节,指定为一个轴对象。
默认情况下,parcorr阴谋,当前轴(gca)。
指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。
的名字
价值
Name1, Value1,…,的家
NumLags
数量的样本PACF拖了后腿,指定为逗号分隔组成的“NumLags”和一个正整数。parcorr使用滞后0:NumLags估计PACF。
“NumLags”
0:NumLags
默认值是分钟([20日T- 1),在那里T有效样本大小y。
分钟([20日T- 1)
T
例子:parcorr (y, Numlags, 10)情节的PACF样本y对滞后0通过10。
parcorr (y, Numlags, 10)
0
NumAR
一个理论的滞后的AR模型y,指定为逗号分隔两人组成的“NumAR”和一个非负整数比NumLags。
“NumAR”
parcorr使用NumAR估计的信心。对于滞后>NumAR,parcorr假设y是一个高斯白噪声过程的长度n。因此,标准误差大约是 1 / T , 在哪里T有效样本大小y。
例子:parcorr (y, NumAR, 10)指定y是一个基于“增大化现实”技术(10)过程,情节信心所有滞后大于界限10。
parcorr (y, NumAR, 10)
NumSTD
的标准误差置信界限),指定为逗号分隔组成的“NumSTD”和一个负的标量。对于所有滞后>NumAR范围是0±,信心NumSTD * σ ^ ,在那里 σ ^ 的估计标准误差样本偏自相关。
“NumSTD”
NumSTD *
默认的收益率近似95%置信界限。
例子:parcorr (y, NumSTD, 1.5)情节的PACFy有信心界限1.5距离为标准误差。
parcorr (y, NumSTD, 1.5)
1.5
方法
“ols”
“yule-walker”
PACF估计方法,指定为逗号分隔组成的“方法”在这个表和一个值。
“方法”
如果y是一系列充分观察,那么默认的是什么“ols”。否则,默认值是“yule-walker”。
例子:parcorr (y,“法”、“yule-walker”)估计的PACFy然后情节PACF使用Yule-Walker方程。
parcorr (y,“法”、“yule-walker”)
数据类型:字符|字符串
字符
字符串
单变量时间序列样本PACFy,作为一个数字返回向量的长度NumLags+1。
1
的元素pacf对应于落后0,1,2,…,NumLags(即元素滞后)。为所有时间序列y,落后0偏自相关pacf (1)=1。
pacf (1)
滞后数字用于PACF估计,作为数字返回向量的长度NumLags+1。
近似边界假设上下偏自相关信心y是一个基于“增大化现实”技术(NumAR)过程中,作为双元素返回数值向量。
处理绘制图形对象,作为图形数组返回。h包含独特的情节标识符,您可以使用查询或修改属性的阴谋。
的偏自相关函数措施之间的关系yt和yt+k调整后的线性效应yt+ 1、……yt+k- 1。
估计的PACF涉及解决Yule-Walker方程与自我尊重。然而,如果时间序列完全观察到,然后PACF可以通过拟合连续的自回归模型估计的订单1,2,…使用普通最小二乘法。有关详细信息,请参见[1],第3章。
观察一个随机变量失踪的完全随机如果一个观察失踪的趋势是独立随机变量和所有其他观测失踪的趋势。
情节PACF没有信心,集“NumSTD”, 0。
“NumSTD”, 0
parcorr情节的PACF当你不要求任何输出或当你请求第四输出。
[1],g . e . P。,G. M. Jenkins, and G. C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。
[2]汉密尔顿,j . D。时间序列分析。普林斯顿,纽约:普林斯顿大学出版社,1994年。
autocorr|crosscorr|过滤器
autocorr
crosscorr
过滤器
你有一个修改版的这个例子。你想打开这个例子与编辑?
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室