자기상관과 편자기상관

Python으로 시계열 데이터 시각화

Thomas Vincent

Head of Data Science, Getty Images

시계열 데이터의 자기상관

자기상관은 시계열과 해당 시계열의 지연된 복사본 간의 상관관계를 측정합니다
예를 들어, 3차 자기상관은 시계열의 값 (t_1, t_2, t_3, ...)과 3시점 지연된 값 (t_4, t_5, t_6, ...) 간의 상관관계를 반환합니다
시계열에서 반복 패턴이나 주기적 신호를 찾는 데 활용됩니다

statsmodels는 다양한 통계 모델 추정, 통계 검정, 통계적 데이터 탐색을 위한 클래스와 함수를 제공하는 파이썬 모듈입니다.

import matplotlib.pyplot as plt
from statsmodels.graphics import tsaplots
fig = tsaplots.plot_acf(co2_levels['co2'], lags=40)

plt.show()

시계열 데이터의 자기상관

자기상관과 달리, 편자기상관은 이전 시점의 영향을 제거합니다
예를 들어, order 3 편자기상관 함수는 시계열 (t1, t2, t3, ...)과 3시점 지연된 값 (t4, t5, t6, ...) 간의 상관관계를 반환하되, 시차 1과 2의 영향을 제거한 후의 값을 반환합니다

import matplotlib.pyplot as plt

from statsmodels.graphics import tsaplots
fig = tsaplots.plot_pacf(co2_levels['co2'], lags=40)

plt.show()

시계열 데이터의 편자기상관

Python으로 시계열 데이터 시각화