एसीएफ और पीएसीएफ भूखंडों का विश्लेषण करें

मैं देखना चाहता हूं कि क्या मैं अपने ACF और PACF प्लॉट का विश्लेषण करने वाले सही ट्रैक पर हूं:

यहाँ छवि विवरण दर्ज करें

बैकग्राउंड: (रिफ़: फिलिप हंस फ्रैंस, 1998)

जैसा कि एसीएफ और पीएसीएफ दोनों महत्वपूर्ण मूल्य दिखाते हैं, मैं मानता हूं कि एक एआरएमए-मॉडल मेरी आवश्यकताओं की पूर्ति करेगा
ACF का उपयोग MA-part, यानी q-value का अनुमान लगाने के लिए किया जा सकता है, PACF का उपयोग AR-part, यानी p-value का अनुमान लगाने के लिए किया जा सकता है
एक मॉडल-ऑर्डर का अनुमान लगाने के लिए मैं एक पर देखता हूं।) क्या एसीएफ मान पर्याप्त रूप से मर जाते हैं, बी।) क्या एसीएफ ओवरडिफायरिंग और सी।
ACF और PACF न केवल एक मॉडल का सुझाव दे सकते हैं, बल्कि कई ऐसे हैं जिनसे मुझे अन्य नैदानिक उपकरणों पर विचार करने के बाद चुनने की आवश्यकता है

इसे ध्यान में रखते हुए, मैं आगे बढ़ता हूं और कहता हूं कि सबसे स्पष्ट मॉडल ARMA (4,2) लगता है क्योंकि एसीएफ मान लैग 4 में मर जाते हैं और पीएसीएफ 1 और 2 पर स्पाइक्स दिखाते हैं।

विश्लेषण करने का एक और तरीका ARMA (2,1) होगा क्योंकि मुझे अपने PACF में दो महत्वपूर्ण स्पाइक और मेरे ACF में एक महत्वपूर्ण स्पाइक दिखाई देता है (जिसके बाद मान बहुत कम बिंदु (0.4) से शुरू होता है)।

मेरे इन-सैंपल-फोरकास्ट रिजल्ट (एक साधारण मीन एब्सोल्यूट परसेंटेज एरर का उपयोग करके) को देखते हुए ARMA (2,1) बहुत बेहतर परिणाम देता है फिर ARMA (4,2)। इसलिए मैं ARMA (2,1) का उपयोग करता हूं!

क्या आप एसीएफ और पीएसीएफ भूखंडों के विश्लेषण के मेरे तरीके और निष्कर्षों की पुष्टि कर सकते हैं?

मदद की सराहना की!

संपादित करें:

वर्णनात्मक आँकड़े:

count  252.000000
mean    29.576151
std      7.817171
min     -0.920000
25%     26.877500
50%     30.910000
75%     34.915000
max     47.430000

Skewness of endog_var: [-1.35798399]

Kurtsosis of endog_var: [ 5.4917757]

Augmented Dickey-Fuller Test for endog_var: (-3.76140904255411, 0.0033277703768345287, {'5%': -2.8696473721448728, '1%': -3.4487489051519011, '10%': -2.5710891239349585}

समय श्रृंखला:

यहाँ छवि विवरण दर्ज करें

अवशिष्ट (ARMA) (2,1):

यहाँ छवि विवरण दर्ज करें

अवशिष्टों के ACF / PACF:

यहाँ छवि विवरण दर्ज करें

संपादित करें II:

डेटा:

— पीटर नॉटसन
स्रोत

डेटा थोड़ा बाएं-तिरछा दिखता है, शायद गैर-केंद्रित। यह मुझे लगता है कि अवशिष्ट के साथ कुछ संभावित मुद्दे हैं, शायद सशर्त विषमलैंगिकता भी।

— Glen_b -Reinstate मोनिका

मेरी राय में तिरछापन विषम मूल्यों (दालों) का सुझाव देता है जो केवल मूल डेटा के विश्लेषण से पुष्टि की जा सकती है।

— आयरिशस्टैट

जवाबों:

अपने ACF और PACF को देखना आपके विश्लेषण के पूर्ण संदर्भ में भी उपयोगी है। आपका लजंग-बॉक्स क्यू-स्टेटिस्टिक; पी-मूल्य, विश्वास अंतराल, ACF और PACF को एक साथ देखा जाना चाहिए। उदाहरण के लिए क्यू परीक्षण यहाँ:

acf, ci, Q, pvalue = tsa.acf(res1.resid, nlags=4,confint=95,  qstat=True, unbiased=True)

यहाँ - ऑटोक्रेलेशन के लिए हमारा क्यू परीक्षण हमारी ग्राफिकल व्याख्या की एक समग्र आंत जांच है।

Statsmodels में टाइम सीरीज़ विश्लेषण पर ड्राफ्ट नोट: http://conference.scipy.org/proceedings/scipy2011/pdfs/statsmodels.pdf

— एंड्रयू ओवेन्स
स्रोत

60 के दशक के मध्य में सुझाए गए औजारों का उपयोग करते हुए ACF और PACF पर एकमात्र निर्भरता कभी-कभी होती है, लेकिन डेटा के सिवाए शायद ही कभी सही हो। एआईसी / बीआईसी जैसे मॉडल पहचान उपकरण लगभग कभी भी एक उपयोगी मॉडल की सही पहचान नहीं करते हैं, बल्कि यह दिखाते हैं कि जब आप मान्यताओं के बारे में छोटे प्रिंट नहीं पढ़ते हैं तो क्या होता है। मेरा सुझाव है कि आप बस के रूप में संभव के रूप में शुरू बस भी नहीं है और एक अस्थायी मॉडल का अनुमान है; AR (1) जैसा कि Glen_b द्वारा सुझाया गया है। इस अस्थायी मॉडल के अवशेष / विश्लेषण का उपयोग एक और ACF और PACF की गणना करने के लिए किया जा सकता है, जो संभावित मॉडल वृद्धि या मॉडल सरलीकरण का सुझाव देता है। ध्यान दें कि व्याख्या आपके संदर्भों के अनुसार यह बताती है कि वर्तमान श्रृंखला / अवशिष्ट किसी भी नियतात्मक संरचना अर्थात दालों, स्तर के बदलावों से मुक्त हैं, स्थानीय समय के रुझान और मौसमी दलहन और इसके अलावा कि श्रृंखला में निरंतर त्रुटि भिन्नता है और समय के साथ अस्थायी मॉडल के पैरामीटर अपरिवर्तनीय हैं। यदि आप चाहें तो आप अपना डेटा पोस्ट कर सकते हैं और मैं एक उपयोगी मॉडल बनाने में आपकी मदद करने का प्रयास करूंगा।

संपादित किए गए आंकड़े के बाद संपादित करें:

पहचाने गए दलहन और 2 स्तर के बदलाव के साथ निम्नलिखित एआर (1) मॉडल की उपज, 365 मूल्यों को वितरित और विश्लेषण किया गया था। यहाँ छवि विवरण दर्ज करें । ध्यान दें कि यह एक लोकप्रिय अनुमान था। इस मॉडल के अवशेषों को यहां प्लॉट किया गया है । विचरण हेटेरो-स्केडैसिटी का सुझाव है, लेकिन यह एक लक्षण है और इसका सही इलाज ढूंढने की जरूरत है, जो हमें अंततः मिल जाएगा। यहाँ दिखाए गए अवशिष्टों के बछड़े को आगे बढ़ाना यहाँ छवि विवरण दर्ज करें मॉडल की अपर्याप्तता के सुझाव को प्रदर्शित करता है। अवशेषों के एक्यूफ की मेज पर एक करीब से देखो यहाँ छवि विवरण दर्ज करें लैग्स 7 और 14 में संरचना का सुझाव देना। दोनों सुरागों को एक साथ रखना (365 का नमूना आकार और महत्वपूर्ण साप्ताहिक यानी लैग 7 संरचना) मैंने यह जांचने का फैसला किया कि क्या यह वास्तव में दैनिक डेटा था या नहीं। नए उपयोगकर्ता अक्सर बहुत महत्वपूर्ण सूचनाओं को छोड़ देते हैं जब वे अपने डेटा को गलत आधार पर परिभाषित करते हैं कि कंप्यूटर को सब कुछ पता लगाने के लिए पर्याप्त स्मार्ट होना चाहिए। ध्यान दें कि OP'S ACF और PACF प्लॉट्स में लैग 7 और लैग 14 क्लैज को स्वाइप किया गया था। अवशिष्टों में नियतात्मक संरचना की उपस्थिति त्रुटि विचरण को बढ़ाती है और इस प्रकार एकॉफ को दबा देती है। एक बार जब आउटलेर्स / दालों / स्तर की शिफ्टों की पहचान कर ली जाती थी, तो acf ने एक ऑटोरेस्पिरेटिव स्ट्रक्चर / डेली इंडिकेटर्स की मौजूदगी का पता लगाया, जिसके लिए उसका हिसाब रखना जरूरी था।

मैंने तब डेटा का विश्लेषण किया, जिससे सॉफ़्टवेयर को इस सुराग के साथ आगे बढ़ने की अनुमति मिली कि यह दैनिक डेटा था। केवल 365 मूल्यों के साथ मौसमी / अवकाश भविष्यवाणियों वाले मॉडल को ठीक से बनाना संभव नहीं है लेकिन 1 वर्ष से अधिक के डेटा के साथ संभव है।

जो मॉडल पाया गया था उसे यहां यहाँ छवि विवरण दर्ज करें 5 दैनिक डमी, दो स्तर की शिफ्ट, कई दालों और फार्म के एक अरिमा मॉडल (1,0,0) (1,0,0) में प्रस्तुत किया गया है। अवशिष्टों के कथानक अब गैर-स्थैतिक संरचना का सबूत नहीं देते हैं क्योंकि एक बेहतर मॉडल जगह में है। यहाँ छवि विवरण दर्ज करें । गु बच के ई एसीएफ़ अधिक स्वच्छ है। वास्तविक / साफ किया गया ग्राफ असामान्य नाड़ी बिंदुओं पर प्रकाश डालता है। यहाँ छवि विवरण दर्ज करें । यहाँ सबक यह है कि जब किसी ने जानकारी के महत्वपूर्ण टुकड़े के बिना डेटा का विश्लेषण किया कि यह एक दैनिक समय की श्रृंखला थी तो एक टन दालें अपर्याप्त प्रतिनिधित्व (या शायद दैनिक सुराग का उन्नत ज्ञान) को दर्शाती थीं। वास्तविक / फ़िट और पूर्वानुमान यहाँ प्रस्तुत किया गया है यहाँ छवि विवरण दर्ज करें ।

यह देखना दिलचस्प होगा कि अन्य लोग एक ही डेटा सेट के साथ क्या करेंगे। ध्यान दें कि सभी विश्लेषण हैंड्स-फ्री मोड में सॉफ्टवेयर का उपयोग करके किए गए थे जो व्यावसायिक रूप से उपलब्ध हैं।

— IrishStat
स्रोत

सुबह की गलत

— खबर

इसने मुझे सबसे पहले धोखा दिया।

— Glen_b -Reinstate Monica

आपके उत्तर के लिए धन्यवाद। जैसा कि समय-श्रृंखला के पूर्वानुमान के क्षेत्र में अनुभव के बिना किसी को सही मॉडल चुनने की प्रक्रिया को पूरी तरह से समझना मुश्किल है क्योंकि जाने के लिए आधिकारिक तौर पर कोई सही तरीका नहीं है। दुर्भाग्य से मुझे अपना कच्चा डेटा पोस्ट करने की अनुमति नहीं है। मुझे आशा है कि अतिरिक्त जानकारी उपयोगी है ('EDIT:' देखें)

— पीटर नॉटसन

आपके डेटा को प्रस्तुत करने से पहले आप उसे स्केल / मास्क कर सकते हैं। प्लॉट को देखते हुए ऐसा प्रतीत होता है कि कुछ असामान्य मूल्य हो सकते हैं, जो अगर नीचे की ओर झुकता है तो एसीएफ और पीएसीएफ गलत तरीके से पक्षपात करने लगता है। नीचे की ओर प्रवृत्ति का एक दृश्य सुझाव है, जिसके बाद कोई प्रवृत्ति नहीं है, लेकिन यह इस समय केवल एक अनुमान है।

— आयरिशस्टैट

मैंने अभी कुछ डेटा जोड़े हैं जिनका आप उपयोग कर सकते हैं ..

— पीटर नॉटसेन

यह मुझे लगता है जैसे आप अंतराल 0 पर स्पाइक गिन रहे हैं।

आपका पीएसीएफ, एआर 1 (1) का सुझाव देते हुए, लैग 1 में एक बहुत बड़ा स्पाइक दिखाता है। यह निश्चित रूप से एसीएफ (जो मोटे तौर पर बोलते हैं, आप देखते हैं) में एक ज्यामितीय जैसी कमी को प्रेरित करेगा। आप एक ही निर्भरता को दो बार फिट करने की कोशिश कर रहे हैं - दोनों एआर और एमए के रूप में।

मैं बस एआर (1) की कोशिश की है कि शुरू करने के लिए और अगर वहाँ कुछ भी चिंता करने लायक छोड़ दिया था देखा है।

— Glen_b -Reinstate मोनिका
स्रोत

पीटर; मेरे उत्तर में एक टाइपो था (मैंने पिछले पैरा में एआर (1) सही था, लेकिन दूसरे पैराग्राफ में एमए (1) टाइप किया, जो अब तय है।

— Glen_b -Reinstate Monica

आपके उत्तर के लिए धन्यवाद। अंतराल 0 से गिनती बेशक एक कार्डिनल गलती है! मैंने AR (1) की कोशिश की और परिणाम ARMA (2,1) जितना अच्छा नहीं रहा!

— पीटर नट्सन

यह अच्छी तरह से मामला हो सकता है कि यह उतना अच्छा नहीं है - फिर भी, एआर (1) शुरू करने का स्थान होगा। उदाहरण के लिए, अवशेषों का PACF कैसा दिखता था? मूल श्रृंखला क्या दिखती है? बहुत कुछ ऐसा हो सकता है जो डेटा के ACF और PACF से आसानी से प्राप्त नहीं किया जा सकता है।

— Glen_b -Reinstate Monica

धन्यवाद। मैंने कुछ अतिरिक्त जानकारी पोस्ट कीं जिससे नई अंतर्दृष्टि प्राप्त हो सकती है।

— पीटर नॉटसन