← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9752.c · 生成模型:DeepSeek-V4.1-Flash

PACF与AR定阶

理解等级:高级

问题:AR(1) 中 y(t) 等于系数乘 y(t-1) 加误差,把 y(t-1) 反复代入,可得 y(t) 与 y(t-2) 的相关约为该系数的平方。于是即使模型只有一阶,lag 2、lag 3 的 ACF 依然可观。只凭 ACF 缓慢衰减定阶,会把阶数越定越高。

PACF 的做法:先用线性回归把 y(t+1) 到 y(t+h-1) 这些中间项的影响从两端剔除,剩下的相关系数才是“直接”关联;h 为 1 时没有中间项,PACF(1) 等于 ACF(1)。汽油产量案例中 PACF 在 lag 2 之后骤降,指向 AR(2),而真实生成过程正是 y(t)=0.6y(t-1)+0.35y(t-2)+误差。

定阶对照

| 模型 | ACF | PACF | | AR(p) | 拖尾、缓慢衰减 | p 阶后截断 | | MA(q) | q 阶后截断 | 拖尾 |

两图要一起看:一个截断、一个拖尾,才能锁定是 AR 还是 MA;两者都拖尾则考虑 ARMA。判断截断看绝对值,正负号不影响结论。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第8章 高级分析理论与方法:时间序列分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0018_split_002.html) - 结论依据:依据 8.2.2 关于 AR(1) 代入后大 lag 自相关仍高、PACF 剔除中间变量影响,以及图 8.4 在 lag 2 后骤降判定 AR(2) 的论述。 - 原始内容:这种观测意味着即使在AR(1)模型中,较大的lag也会带来相当大的自相关系数,即使这些lag没有显式包含在模型中。我们需要测量yt 和yt + h (h = 1,2,3...)之间的自相关系数,并在测量中除去yt +1 到yt + h -1 值的影响。