使用 ywunbiased 时，statsmodels.tsa.stattools 中的 PACF 函数给出大于 1 的数字？

Posted 2023-03-12

【中文标题】使用 ywunbiased 时，statsmodels.tsa.stattools 中的 PACF 函数给出大于 1 的数字？

【英文标题】：PACF function in statsmodels.tsa.stattools gives numbers greater than 1 when using ywunbiased?

【发布时间】：2019-08-10 15:48:37

【问题描述】：

我有一个长度为 177 的数据框，我想计算和绘制部分自相关函数 (PACF)。

我已经导入了数据等，我做了：

from statsmodels.tsa.stattools import pacf
ys = pacf(data[key][array].diff(1).dropna(), alpha=0.05, nlags=176, method="ywunbiased")
xs = range(lags+1)
plt.figure()
plt.scatter(xs,ys[0])
plt.grid()
plt.vlines(xs, 0, ys[0])
plt.plot(ys[1])

使用的方法导致数字大于 1 很长的滞后 (90ish) 这是不正确的，我得到一个 RuntimeWarning: invalid value 在 sqrtreturn rho, np.sqrt(sigmasq) 中遇到的但因为我看不到它们的来源代码我不知道这是什么意思。

老实说，当我搜索 PACF 时，所有示例仅执行了 40 或 60 左右的 PACF，并且在 lag=2 之后它们从未有任何显着的 PACF，因此我也无法与其他示例进行比较.

但是当我使用时：

method="ols"
# or
method="ywmle"

数字已更正。所以它必须是他们用来解决它的算法。

我尝试导入 inspect 和 getsource 方法，但它没有用，它只是表明它使用了另一个包，我找不到。

如果您也知道问题出在哪里，我将非常感谢您的帮助。

供您参考，data[key][array] 的值是：

[1131.130005，1144.939941，1126.209961，1107.300049，1120.680054，1140.839966，1101.719971，1104.23999，1114.579956，1130.199951，1173.819946，1211.920044，1181.27002，1203.599976，1180.589966，1156.849976，1191.5，1191.329956，1234.180054，1220.329956，1228.810059，1207.01001，1249.47998， 1248.290039，1280.079956，1280.660034，1294.869995，1310.609985，1270.089966，1270.199951，1276.660034，1303.819946，1335.849976，1377.939941，1400.630005，1418.300049，1438.23999，1406.819946，1420.859985，1482.369995，1530.619995，1503.349976，1455.27002，1473.98999，1526.75，1549.380005，1481.140015，1468.359985， 1378.550049，1330.630005，1322.699951，1385.589966，1400.380005，1280.0，1267.380005，1282.829956，1166.359985，968.75，896.23999，903.25，825.880005，735.090027，797.869995，872.8099980000001，919.1400150000001，919.320007，987.4799800000001，1020.6199949999999，1057.079956，1036.189941，1095.630005，1115.099976，1073.869995， 1104.48999、1169.430054、1186.689941、1089.410034、1030.709 961，1101.599976，1049.329956，1141.199951，1183.26001，1180.550049，1257.640015，1286.119995，1327.219971，1325.829956，1363.609985，1345.199951，1320.640015，1292.280029，1218.890015，1131.420044，1253.300049，1246.959961，1257.599976，1312.410034，1365.680054，1408.469971，1397.910034，1310.329956，1362.160034， 1379.319946，1406.579956，1440.670044，1412.160034，1416.180054，1426.189941，1498.109985，1514.680054，1569.189941，1597.569946，1630.73999，1606.280029，1685.72998，1632.969971，1681.550049，1756.540039，1805.810059，1848.359985，1782.589966，1859.449951，1872.339966，1883.949951，1923.569946，1960.22998，1930.6700440000002， 2003.369995，1972.290039，2018.050049，2067.560059，2058.899902，1994.9899899999998，2104.5，2067.889893，2085.51001，2107.389893，2063.110107，2103.840088，1972.180054，1920.030029，2079.360107，2080.409912，2043.939941，1940.2399899999998，1932.22998，2059.73999，2065.300049，2096.949951，2098.860107，2173.600098，2170.949951， 2168.27002、2126.149902、 2198.810059，2238.830078，2278.8701170000004，2363.639893，2362.719971，2384.199951，2411.800049，2423.409912，2470.300049，2471.649902，2519.360107，2575.26001，2584.840088，2673.610107，2823.810059，2713.830078，2640.8701170000004，2648.050049，2705.27002，2718.3701170000004，2816.290039，2901.52002，2913.97998] P>

【问题讨论】：

你能把输入数据的一维数组放在某个地方吗？

@SeverinPappadeux 抱歉延迟回复。我添加了数据。感谢您对此进行调查:)

【参考方案1】：

您的时间序列显然不是静止的，因此违反了 Yule-Walker 假设。

更一般地说，PACF 通常适用于平稳时间序列。在考虑偏自相关之前，您可以先对数据进行差分。

【讨论】：

我对系列进行了一次差异化，以确保我进行了 ADF 测试，它没有显示单位根，但我仍然遇到同样的问题。我区分了两次只是为了确保结果仍然相同。此外，我没有看到任何季节性，但我仍然采用移动平均线来覆盖该基础。也尝试过OLS，但这也给出了超过1的值:'((((((有什么想法吗？

你是对的。我想问题可能是用于计算这些值的数据点相对较少，因此滞后时间很长，因此估计值在数值上不是很稳定。其他方法可能不太容易出现数值问题，或者它们在这里不会遇到麻烦。无论如何，对于很长的滞后，我不会对任何偏自相关值过分重视。

只是为了添加一个参考，Enders (2014) 建议在样本大小 T 的情况下，PACF 只能计算到滞后 T / 4。由于您有 176 个数据点，这个经验法则建议不考虑滞后大于 44 的 PACF。