Autokorelacje
Korelacja między dwiema zmiennymi y1, y2) jest zdefiniowana jako:
ρ = E [ ( y1- μ1) ( y2)- μ2)) ]σ1σ2)= Cov ( y1,y2))σ1σ2),
gdzie E jest operatorem oczekiwanym, μ1 i μ2) są średnimi odpowiednio dla y1 i y2) oraz σ1, σ2) są ich odchyleniami standardowymi.
W kontekście pojedynczej zmiennej, czyli auto -correlation, y1 jest oryginalna seria i y2) jest opóźniony wersja niego. Zgodnie z powyższą definicją przykładowe autokorelacje rzędu k = 0 , 1 , 2 , . . .można otrzymać przez obliczanie następującego wyrażenia z obserwowanej seriiyt ,t = 1 , 2 , . . . , n :
ρ ( k ) = 1n - k∑nt = k + 1( yt- y¯) ( yt - k- y¯)1n∑nt = 1( yt- y¯)2)-------------√1n - k∑nt = k + 1( yt - k- y¯)2)------------------√,
gdzie y¯ jest średnią próbkową danych.
Częściowe autokorelacje
Częściowe autokorelacje mierzą zależność liniową jednej zmiennej po usunięciu efektu innych zmiennych wpływających na obie zmienne. Na przykład częściowa autokorelacja rzędu mierzy wpływ (zależność liniowa) yt - 2 na yt po usunięciu efektu yt - 1 zarówno na yt i yt - 2 .
Każdą częściową autokorelację można uzyskać jako serię regresji postaci:
y~t= ϕ21y~t - 1+ ϕ22y~t - 2+ et,
gdzie y~t jest serią oryginalną minus średnia próbki, yt- y¯ . Oszacowanie ϕ22 da wartość częściowej autokorelacji rzędu 2. Po rozszerzeniu regresji o k dodatkowych opóźnień, oszacowanie ostatniego terminu da częściową autokorelację rzędu k .
Alternatywnym sposobem obliczenia przykładowej częściowej autokorelacji jest rozwiązanie następującego układu dla każdego rzędu k :
⎛⎝⎜⎜⎜⎜ρ ( 0 )ρ ( 1 )⋮ρ ( k - 1 )ρ ( 1 )ρ ( 0 )⋮ρ ( k - 2 )⋯⋯⋮⋯ρ ( k - 1 )ρ ( k - 2 )⋮ρ ( 0 )⎞⎠⎟⎟⎟⎟⎛⎝⎜⎜⎜⎜ϕk 1ϕk 2⋮ϕk k⎞⎠⎟⎟⎟⎟= ⎛⎝⎜⎜⎜⎜ρ ( 1 )ρ ( 2 )⋮ρ ( k )⎞⎠⎟⎟⎟⎟,
ρ ( ⋅ )
# sample data
x <- diff(AirPassengers)
# autocorrelations
sacf <- acf(x, lag.max = 10, plot = FALSE)$acf[,,1]
# solve the system of equations
res1 <- solve(toeplitz(sacf[1:5]), sacf[2:6])
res1
# [1] 0.29992688 -0.18784728 -0.08468517 -0.22463189 0.01008379
# benchmark result
res2 <- pacf(x, lag.max = 5, plot = FALSE)$acf[,,1]
res2
# [1] 0.30285526 -0.21344644 -0.16044680 -0.22163003 0.01008379
all.equal(res1[5], res2[5])
# [1] TRUE
Przedziały ufności
± z1 - α / 2n√z1 - α / 21 - α / 2
± z1 - α / 21n( 1 + 2 ∑ki = 1ρ ( i )2))----------------√