ACF 및 PACF 플롯을 올바르게 해석하고 있는지 확인하고 싶습니다.
데이터는 실제 데이터 포인트간에 생성 된 오류와 AR (1) 모델을 사용하여 생성 된 추정치에 해당합니다.
나는 여기에 답을 보았습니다.
읽은 후에는 오류가 자동 상관 관계가 아닌 것처럼 보이지만 확실하게 확인하고 싶습니다.
1.) 첫 번째 오류는 경계에서 옳습니다 (이 경우 지연 1에서 중요한 자기 상관이 있음을 수락하거나 거부해야합니까)?
2.)이 선은 95 % 신뢰 구간을 나타내며 116 개의 지연이있는 경우 (0.05 * 116 = 5.8로 6으로 올림) 6 개의 지연이 경계를 초과 할 것으로 예상합니다. ACF의 경우에 해당하지만 PACF의 경우 약 10 개의 예외가 있습니다. 테두리에 포함하면 14와 더 비슷합니까? 이것은 여전히 자동 상관이 없음을 나타 냅니까?
3.) 95 % 신뢰 구간의 모든 위반이 단점으로 작용한다는 사실을 읽어야합니까?
답변:
표시 한 플롯에는 명백한 구조가 없습니다.
밴드 외부에있는 음의 부분 자기 상관의 지연 순서는 서로 다중하지 않습니다 (즉, 지연, 22, 56, 62, 78, 94). 예를 들어 12와 같이 일정한 수의 지연 후에 발생하지 않습니다. , 24, 36, 48이므로 플롯에서 그 패턴을 기반으로 한 패턴을 유추하지 않습니다.
보완책으로 런 테스트를 적용 할 수 있습니다. 이 테스트 는 양수 또는 음수의 런을 캡처하는 데 유용 할 수있는 독립성 테스트이며 데이터의 일부 패턴을 제안합니다.
일부 자기 상관 관계의 중요성에 관해서는 그것이 큰 순서로 발생한다는 것을 알았습니다. 이러한 자기 상관이 데이터의 맥락에서 의미가 있거나 예상 될 수 있는지 생각해야합니다. 56 번의 관측 전에 관측 된 값이 현재의 관측에 영향을 미칠 것으로 예상하는 것이 합리적입니까? 분기 별 데이터가있는 경우 지연 시간 8과 12에서 유의 한 상관 관계를 검사하는 것이 좋습니다. 이는 데이터주기의 배수이고 데이터와 관련하여 설명 할 수있는 계절적 패턴을 반영 할 수 있기 때문입니다. 그러나 상당한 지연이 지연 9, 11 또는 훨씬 더 높은 지연에서 발생하더라도 규칙적인 패턴으로 정당화 할 설명이 없었습니다.
ARIMA 모델에서 데이터에 대한 중요한 패턴이 누락되지 않았는지 확인하기 위해 잔차 (실제 데이터 포인트와 추정값의 차이)의 상관 관계 검사를 수행합니다. 모든 정보가 캡처되면 ACF 및 PACF 플롯은 화이트 노이즈와 유사해야합니다.
육안 검사가 자신있게 동일한 결과를 얻는 데 도움이되지 않으면 잔차에 대해 Box-Ljung 테스트를 실행할 수 있습니다.
이 시나리오에서 Box-Ljung 검정에 대한 귀무 가설은 잔차가 백색 잡음과 다르지 않다는 것입니다.
다음은 r에서 테스트를 실행하는 코드입니다.
Box.test(residuals, lag = 28, fitdf = 5, type = "Ljung")
래그 값은 래그 자기 상관 계수의 수를 기반으로 설정되며 fitdf는 빼야하는 자유도입니다. ARIMA (p, d, q) (P, D, Q) m의 경우 보통 fitdf = (p + q + P + Q)로 설정합니다
Box-Ljung 검정이 큰 p- 값을 반환하면 잔차에 남은 자기 상관이없는 것으로 나타납니다. 즉, 백색 잡음과 유사합니다.