自相關與偏自相關

使用 Python 視覺化時間序列資料

Thomas Vincent

Head of Data Science, Getty Images

時間序列中的自相關

自相關是量測時間序列與其延遲版本之間的相關係數。
例如，階數為 3 的自相關會回傳時間序列在點位（t_1、t_2、t_3、...）與其落後 3 個時間點的值（t_4、t_5、t_6、...）之間的相關性
用來找出時間序列中的重複模式或週期訊號

statsmodels 是一個 Python 模組，提供多種統計模型的估計類別與函式，也可進行統計檢定與資料探索。

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

plt.show()

時間序列的自相關

與自相關相反，偏自相關會移除前面時間點的影響
例如，order 3 的偏自相關函式會回傳時間序列（t1、t2、t3、...）與其落後 3 個時間點（t4、t5、t6、...）的相關性，但會先移除落後 1 與 2 的所有影響

import matplotlib.pyplot as plt

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

plt.show()

時間序列的偏自相關

使用 Python 視覺化時間序列資料