Autocorrelations
ความสัมพันธ์ระหว่างสองตัวแปรy1,y2ถูกกำหนดเป็น:
ρ=E[(y1−μ1)(y2−μ2)]σ1σ2=Cov(y1,y2)σ1σ2,
โดยที่ E คือตัวดำเนินการที่คาดหวังμ1และμ2เป็นวิธีการตามลำดับสำหรับy1และy2และσ1,σ2เป็นค่าเบี่ยงเบนมาตรฐาน
ในบริบทของตัวแปรเดี่ยวเช่นauto -correlation y1เป็นชุดดั้งเดิมและy2เป็นรุ่นที่ล้าหลัง ตามนิยามข้างต้น autocorrelations ตัวอย่างของการสั่งซื้อk=0,1,2,...สามารถรับได้โดยการคำนวณนิพจน์ต่อไปนี้กับข้อสังเกตชุดyt , t=1,2,...,n :
ρ(k)=1n−k∑nt=k+1(yt−y¯)(yt−k−y¯)1n∑nt=1(yt−y¯)2−−−−−−−−−−−−−√1n−k∑nt=k+1(yt−k−y¯)2−−−−−−−−−−−−−−−−−−√,
โดยที่y¯คือค่าเฉลี่ยตัวอย่างของข้อมูล
ความสัมพันธ์บางส่วน
บางส่วน autocorrelations วัดการพึ่งพาเชิงเส้นของตัวแปรหนึ่งหลังจากลบผลกระทบของตัวแปรอื่น ๆ ที่ส่งผลกระทบต่อตัวแปรทั้งสอง ยกตัวอย่างเช่นอัตบางส่วนของคำสั่งมาตรการผล (การพึ่งพาอาศัยเชิงเส้น) ของyt−2ในytหลังจากลบผลกระทบของyt−1ทั้งytและyt−2 2
แต่ละ autocorrelation สามารถรับได้เป็นชุดของการถดถอยของแบบฟอร์ม:
y~t=ϕ21y~t−1+ϕ22y~t−2+et,
ที่y~tเป็นชุดเดิมลบเฉลี่ยตัวอย่างyt−y¯ Y การประมาณϕ22จะให้ค่าของออโตคอร์เรเลชันสัมพันธ์บางส่วนของคำสั่งที่ 2 การขยายการถดถอยด้วยkล่าช้าเพิ่มเติมการประมาณการของคำสุดท้ายจะให้ความสัมพันธ์บางส่วนของออเดอร์k k
อีกทางเลือกหนึ่งในการคำนวณตัวอย่างอัตโนมัติบางส่วนคือการแก้ระบบดังต่อไปนี้สำหรับการสั่งซื้อแต่ละครั้งk :
⎛⎝⎜⎜⎜⎜ρ(0)ρ(1)⋮ρ(k−1)ρ(1)ρ(0)⋮ρ(k−2)⋯⋯⋮⋯ρ(k−1)ρ(k−2)⋮ρ(0)⎞⎠⎟⎟⎟⎟⎛⎝⎜⎜⎜⎜ϕk1ϕk2⋮ϕkk⎞⎠⎟⎟⎟⎟=⎛⎝⎜⎜⎜⎜ρ(1)ρ(2)⋮ρ(k)⎞⎠⎟⎟⎟⎟,
โดยที่ρ(⋅)เป็นตัวอย่างอัตโนมัติ การทำแผนที่ระหว่าง autocorrelations ตัวอย่างและ autocorrelations บางส่วนนี้เป็นที่รู้จักกัน
recursion เดอร์บิน-เลวินสัน วิธีนี้ค่อนข้างง่ายที่จะนำไปใช้ประกอบการอธิบาย ตัวอย่างเช่นในซอฟต์แวร์ R เราสามารถรับความสัมพันธ์อัตโนมัติบางส่วนของคำสั่ง 5 ได้ดังนี้:
# sample data
x <- diff(AirPassengers)
# autocorrelations
sacf <- acf(x, lag.max = 10, plot = FALSE)$acf[,,1]
# solve the system of equations
res1 <- solve(toeplitz(sacf[1:5]), sacf[2:6])
res1
# [1] 0.29992688 -0.18784728 -0.08468517 -0.22463189 0.01008379
# benchmark result
res2 <- pacf(x, lag.max = 5, plot = FALSE)$acf[,,1]
res2
# [1] 0.30285526 -0.21344644 -0.16044680 -0.22163003 0.01008379
all.equal(res1[5], res2[5])
# [1] TRUE
วงความมั่นใจ
แถบความเชื่อมั่นสามารถคำนวณได้เป็นค่าของตัวอย่างอัตโนมัติสัมพันธ์±z1−α/2n√ , โดยที่z1−α/2คือ quantile1−α/2ในการแจกแจงแบบเกาส์, เช่น 1.96 สำหรับแถบความเชื่อมั่น 95%
บางครั้งแถบความมั่นใจที่เพิ่มขึ้นเมื่อมีการใช้คำสั่งเพิ่มขึ้น ในกรณีนี้วงดนตรีสามารถกำหนดเป็น±z1−α/21n(1+2∑ki=1ρ(i)2)−−−−−−−−−−−−−−−−√)