Partiële autocorrelatie in tijdreeksgegevens
Net als autocorrelatie meet de partiële autocorrelatiefunctie (PACF) de correlatiecoëfficiënt tussen een tijdreeks en uitgestelde versies van zichzelf. De PACF gaat echter een stap verder door ook het effect van eerdere tijdstippen weg te nemen. Zo geeft een partiële autocorrelatiefunctie van orde 3 de correlatie terug tussen onze tijdreeks (t_1, t_2, t_3, …) en de eigen waarden met een vertraging van 3 tijdstappen (t_4, t_5, t_6, …), maar dan pas nadat alle effecten die toe te schrijven zijn aan vertragingen 1 en 2 zijn verwijderd.
De functie plot_pacf() in de bibliotheek statsmodels kan worden gebruikt om de partiële autocorrelatie van een tijdreeks te meten en te plotten.
Deze oefening maakt deel uit van de cursus
Tijdreeksen visualiseren in Python
Oefeninstructies
- Importeer
tsaplotsuitstatsmodels.graphics. - Gebruik de functie
plot_pacf()uittsaplotsom de partiële autocorrelatie van de kolom'co2'inco2_levelste plotten. - Geef een maximale vertraging (lag) van 24 op.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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()