ARIMA 时间序列1: 差分, ACF, PACF

您所在的位置：网站首页 › ac pac图怎么看 › ARIMA 时间序列1: 差分, ACF, PACF

ARIMA 时间序列1: 差分, ACF, PACF

2024-05-24 07:39| 来源: 网络整理| 查看: 265

ARIMA

ARIMA(p，d，q)模型全称为差分自回归移动平均模型 (Autoregressive Integrated Moving Average Model,简记ARIMA).

自回归（AR），差分（I），移动平均（MA）

趋势参数：

p：趋势自回归阶数。 d：趋势差分阶数。 q：趋势移动平均阶数。 ACF 与 PACF

自相关函数 ACF (autocorrelation function)

偏自相关函数 PACF (partial autocorrelation function)

自相关函数ACF 还包含了其他变量的影响偏自相关系数PACF 是严格这两个变量之间的相关性 ARIMA(p，d，q)阶数确定：在这里插入图片描述

AR (p ) 看PACF MA(q ) 看ACF 在这里插入图片描述

实例: 美国消费者信心指数 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns sns.set(style = 'whitegrid', context = 'poster') %matplotlib inline Sentiment = pd.read_csv('sentiment.csv', index_col=0, parse_dates=[0]) Sentiment.head()

在这里插入图片描述

sns.set(style = 'ticks', context = 'poster') sentiment_select = Sentiment.loc['2004' : '2016'] sentiment_select.plot(figsize = (12, 8)) plt.legend(bbox_to_anchor = (1.25, 0.5)) plt.

【本文地址】

ARIMA 时间序列1: 差分, ACF, PACF

ARIMA 时间序列1: 差分, ACF, PACF

今日新闻

推荐新闻