Partiell autokorrelation i tidsseriedata
Precis som autokorrelation mäter den partiella autokorrelationsfunktionen (PACF) korrelationskoefficienten mellan en tidsserie och förskjutna versioner av sig själv. Den går dock ett steg längre genom att även ta bort effekten av tidigare tidpunkter. Till exempel returnerar en partiell autokorrelationsfunktion av order 3 korrelationen mellan tidsserien (t_1, t_2, t_3, …) och dess egna värden förskjutna med 3 tidssteg (t_4, t_5, t_6, …), men enbart efter att alla effekter som kan tillskrivas lag 1 och 2 har tagits bort.
Funktionen plot_pacf() i biblioteket statsmodels kan användas för att mäta och visualisera den partiella autokorrelationen hos en tidsserie.
Den här övningen är en del av kursen
Visualisering av tidsseriedata i Python
Övningsinstruktioner
- Importera
tsaplotsfrånstatsmodels.graphics. - Använd funktionen
plot_pacf()fråntsaplotsför att plotta den partiella autokorrelationen för kolumnen'co2'ico2_levels. - Ange ett maximalt lag på 24.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()