引言
最近写论文关于预测的特征选择遇到一些问题,想把自己查询学习到的东西整理记录一下,理一理头绪,希望能加深自己对这些东西的理解。首先介绍引入几个概念:自相关函数(autocorrelation function,ACF)、偏自相关函数(partial autocorrelation,PACF)和互相关函数(cross-correlation function,CCF)。接下来介绍每个指标的计算方法和用途:
1. ACF
顾名思义,自相关函数是针对单个时间序列的,对于时间序列
讯享网,滞后k阶的自协方差函数(autocovariance function,ACVF)为[1]:
,
即
ACF被定义为:

我理解的也等同于序列
与
的pearson相关系数。置信区间一般使用下式进行计算[2]:
下面是一个简单的计算程序,是对statsmodels模块的源代码进行简化得到的[3]。
from scipy.stats import norm import numpy as np def acf(x,nlags=40, alpha=None): # Calculate the autocorrelation function. nobs = len(x) avf = acovf(x,nlag = nlags) acf = avf[:nlags + 1] / avf[0] if alpha is not None: varacf = np.ones(nlags + 1) / nobs varacf[0] = 0 varacf[1] = 1. / nobs varacf[2:] *= 1 + 2 * np.cumsum(acf[1:-1]2) interval = norm.ppf(1 - alpha / 2.) * np.sqrt(varacf) confint = np.array(lzip(acf - interval, acf + interval)) return acf, confint else: return acf def acovf(x,nlag=None): # Estimate autocovariances. xo = x - x.mean() n = len(x) lag_len = nlag if nlag is None: lag_len = n - 1 elif nlag > n - 1: raise ValueError('nlag must be smaller than nobs - 1') acov = np.empty(lag_len + 1) acov[0] = xo.dot(xo) for i in range(lag_len): acov[i + 1] = xo[i + 1:].dot(xo[:-(i + 1)]) return acov
讯享网
理解了原理可以这样。
讯享网import pandas as pd import matplotlib.pyplot as plt from statsmodels.tsa.stattools import acf from statsmodels.graphics.tsaplots import plot_acf x = pd.read_excel('resample.xls',index_col=0,date_parse=True) acf_x, interval = acf(x=x,nlags=10,alpha=0.05) print('ACF:\n',acf_x) print('ACF95%置信区间下界:\n',interval[:,0]-acf_x) print('ACF95%置信区间上界:\n',interval[:,1]-acf_x) plot_acf(x=x,lags=10,alpha=0.05) plt.show()
输出结果:
ACF: [1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] ACF95%置信区间下界: [ 0. -0.0 -0.0 -0.0 -0.0 -0. -0. -0. -0. -0. -0.] ACF95%置信区间上界: [0. 0.0 0.0 0.0 0.0 0. 0. 0. 0. 0. 0.]
[1] https://nwfsc-timeseries.github.io/atsa-labs/sec-tslab-correlation-within-and-among-time-series.html : Book, Applied Time Series Analysis for Fisheries and Environmental Sciences
[2] https://www.statsmodels.org/stable/_modules/statsmodels/tsa/stattools.html#acf : Python modular, statsmodels

[3] https://www.itl.nist.gov/div898/handbook/eda/section3/autocopl.htm : Engineering statistics handbook
2. PACF
偏自相关函数也是针对单个时间序列的,关于其和ACF的区别,[4] 进行了一般性的易于理解的解释,我在这里根据自己的理解进行简要翻译一下。
偏自相关函数是序列
与滞后k阶的序列
的线性相关性,移除
的线性依赖,计算公式为:

滞后1阶的pacf与滞后1阶的acf相等,不存在滞后0阶的pacf。
讯享网import pandas as pd import matplotlib.pyplot as plt from statsmodels.tsa.stattools import pacf from statsmodels.graphics.tsaplots import plot_pacf x = pd.read_excel('resample.xls',index_col=0,date_parse=True) pacf_x, interval = pacf(x=x,nlags=10,alpha=0.05) print('PACF:\n',pacf_x) print('PACF95%置信区间下界:\n',interval[:,0]-pacf_x) print('PACF95%置信区间上界:\n',interval[:,1]-pacf_x) plot_pacf(x=x,lags=10,alpha=0.05) plt.savefig('acf1.jpg',dpi=200) plt.show()
PACF: [ 1. 0. 0.0 0.0 0.0 0.0 -0.0 0.0 0.0 0.0 0.0] PACF95%置信区间下界: [ 0. -0.0 -0.0 -0.0 -0.0 -0.0 -0.0 -0.0 -0.0 -0.0 -0.0] PACF95%置信区间上界: [0. 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0]
3. CCF
交叉相关系数是针对两个时间序列的,对于时间序列
和
,先计算互协方差函数:
CCF的定义类似ACF:

其中,
分别为
的标准差。同时,应该注意的是
,
。其中,y是解释变量,x是预测因子。CCF的95%的置信区间计算公式定义为[1]:

其中n是用于计算互相关系数的样本数量。
讯享网import pandas as pd from statsmodels.tsa.stattools import ccf x = pd.read_excel('resample.xls',index_col=0,date_parse=True) ccf_x = ccf(x=x.values.ravel(),y=x.values.ravel()) print('CCF:\n',ccf_x[:10])
输出是: CCF: [1. 0. 0. 0. 0. 0. 0. 0. 0. 0. ]
附录:
1. 计算ccf,acf和pcf的置信区间的时候,和数据序列的长度有关系,长度取多少的时候比较合适?


版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/113500.html