Частичная автокорреляция
Материал из MachineLearning.
(Различия между версиями)
												
			
			 (→Определение)  | 
			|||
| Строка 8: | Строка 8: | ||
<tex>pacf(k)=\left\{\begin{array}{ccccccccccc}  | <tex>pacf(k)=\left\{\begin{array}{ccccccccccc}  | ||
| - | corr(y_{t+k}, y_t) , k=1\\  | + | corr(y_{t+k}, y_t) , k=1,\\  | 
corr(y_{t+k} - y_{t+k}^{k-1}, y_t - y_t^{k-1}),k>1  | corr(y_{t+k} - y_{t+k}^{k-1}, y_t - y_t^{k-1}),k>1  | ||
| - | \end{array}\right.  | + | \end{array}\right.</tex>  | 
| - | где <tex>y_t^{k-1}</tex> - линейная регрессия на <tex>y_{t+1}, y_{t+2}, \dots , y_{t+k-1}</tex>, т.е.  | + | где <tex>y_t^{k-1}</tex> -- линейная регрессия на <tex>y_{t+1}, y_{t+2}, \dots , y_{t+k-1}</tex>, т.е.  | 
<tex>y^{k-1}_t = \beta_1 y_{t+1} + \beta_2 y_{t+2} + \dots + \beta_{k-1} y_{t+k-1}</tex> и  | <tex>y^{k-1}_t = \beta_1 y_{t+1} + \beta_2 y_{t+2} + \dots + \beta_{k-1} y_{t+k-1}</tex> и  | ||
| - | <tex>y^{k-1}_{t+k} = \beta_1 y_{t+  | + | <tex>y^{k-1}_{t+k} = \beta_1 y_{t+k-1} + \beta_2 y_{t+k-2} + \dots + \beta_{k-1} y_{t+1}</tex>  | 
==Описание==  | ==Описание==  | ||
Версия 21:33, 20 января 2014
 
  | 
Частичная (частная) автокорреляция (partial autocorrelation) временных рядов используется для нахождения периодичностей во временных рядах и нахождения порядка авторегрессионной модели ряда.
Определение
Допустим дан временной ряд . Частичную автокорреляцию для лага 
 обозначим за 
. Тогда
где  -- линейная регрессия на 
, т.е.
 и
Описание
Частичная автокорреляция похожа на обычную автокорреляцию, однако дополнительно удаляет линейную зависимость между cдвинутыми рядами путем вычитания  и 
, как описано выше.
Программные реализации
- В MATLAB функция parcorr
 - В R функция pacf из пакета stats.
 - В Python функция statsmodels.tsa.stattools.pacf библиотеки statsmodels.
 
Ссылки
- Autocorrelation and Partial Autocorrelation. MATLAB R2013b Documentation
 - Partial Autocorrelation function on Wikipedia
 - Статистический анализ данных (курс лекций, К.В. Воронцов)
 - Box, G. E. P.; Jenkins, G. M.; Reinsel, G. C. (2008). Time Series Analysis, Forecasting and Control (4th ed.). Hoboken, NJ: Wiley. ISBN 9780470272848.
 

