Autokorelasi parsial pada data deret waktu

Seperti autokorelasi, fungsi autokorelasi parsial (PACF) mengukur koefisien korelasi antara deret waktu dan versi tertundanya sendiri. Namun, konsep ini diperluas dengan menghilangkan pengaruh titik waktu sebelumnya. Sebagai contoh, fungsi autokorelasi parsial dengan order 3 mengembalikan korelasi antara deret waktu kita (t_1, t_2, t_3, …) dan nilainya sendiri yang tertunda 3 titik waktu (t_4, t_5, t_6, …), tetapi hanya setelah menghilangkan semua efek yang dapat dikaitkan dengan lag 1 dan 2.

Fungsi plot_pacf() dalam pustaka statsmodels dapat digunakan untuk mengukur dan memplot autokorelasi parsial dari suatu deret waktu.

Latihan ini merupakan bagian dari kursus

Memvisualisasikan Data Deret Waktu di Python

Lihat Kursus

Instruksi latihan

Impor tsaplots dari statsmodels.graphics.
Gunakan fungsi plot_pacf() dari tsaplots untuk memplot autokorelasi parsial kolom 'co2' dalam co2_levels.
Tentukan lag maksimum sebesar 24.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import required libraries
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
____

# Display the partial autocorrelation plot of your time series
fig = ____(co2_levels[____], lags=____)

# Show plot
plt.show()

Edit dan Jalankan Kode