Menafsirkan plot autokorelasi parsial
Jika nilai autokorelasi parsial mendekati 0, maka nilai antara observasi dan observasi tertunda (lag) tidak saling berkorelasi. Sebaliknya, autokorelasi parsial dengan nilai mendekati 1 atau -1 menunjukkan adanya korelasi positif atau negatif yang kuat antar observasi tertunda pada deret waktu.
Fungsi .plot_pacf() juga menghasilkan interval kepercayaan, yang direpresentasikan sebagai area berarsir biru. Jika nilai autokorelasi parsial berada di luar wilayah interval kepercayaan ini, maka Anda dapat mengasumsikan bahwa nilai autokorelasi parsial tersebut signifikan secara statistik.
Pada plot autokorelasi parsial di bawah ini, pada nilai lag berapa saja kita memiliki autokorelasi parsial yang signifikan secara statistik?
Latihan ini adalah bagian dari kursus
Memvisualisasikan Data Deret Waktu di Python
Latihan interaktif praktis
Ubah teori menjadi tindakan dengan salah satu latihan interaktif kami.
Mulai berolahraga