時系列データの偏自己相関
自己相関と同様に、偏自己相関関数（PACF）は時系列とそのラグ系列との間の相関係数を測定します。ただし、PACF はそれに加えて、より前の時点の影響を取り除く点が異なります。例えば、order 3 の偏自己相関関数は、時系列（t_1、t_2、t_3、…）と3時点だけ遅らせた系列（t_4、t_5、t_6、…）との相関を返しますが、その際にラグ1とラグ2に起因するすべての影響を取り除いたうえで計算します。
statsmodels ライブラリの plot_pacf() 関数を使うと、時系列の偏自己相関を計算して可視化できます。
この演習はコースの一部です
Pythonで学ぶ時系列データの可視化
演習の手順
statsmodels.graphicsからtsaplotsをインポートします。tsaplotsのplot_pacf()を使って、co2_levelsの'co2'列の偏自己相関をプロットします。- 最大ラグを 24 に指定します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()