马克威自相关图

马克威操作说明

（1）以数据文件“马克威通用数据1.mkw”为例。首先，在工作区内，打开建模分析工作流：“数据制图”→“自相关图”，接着选择数据源，然后设置算法参数，最后双击运行按钮。

其中各类参数的含义为：

参数设置如下所示，选择变量为“sodium”：

（2）输出结果

偏自相关图：

偏相关表：

自相关图：

自相关表：

（3）结果说明

从结果中我们可以看到自相关图是拖尾的，偏自相关图是截尾的；那么可以粗略的判断这些数据应该是属于AR模型。从偏自相关图可以看出，在一阶之后的项都趋于0，所以AR模型的阶数可暂定为1，即用AR(1)来分析数据。

数据要求

输入变量类型：数值型，如整型、浮点型、布尔型

算法用途

自相关图是时间序列的一种图形观察工具，通过描绘序列和自身的提前或滞后序列间的相关系数、偏自相关系数来反映系统参数对系统影响以及系统的稳定性状况。

算法原理

自相关图展现的结果包括ACF和PACF两种类型，它们都用于描述单个时间序列的情况。

ACF（自相关函数）

ACF可以作为判断时间序列平稳性的工具，如果ACF图中，随着滞后阶数的增大自相关系数不是迅速减小，则要考虑时间序列是否不平稳，是否需要继续差分的必要。同时，ACF是不能计算负值的，这需要用原序列经过数据处理再来做。

PACF（偏自相关函数）

PACF从高阶开始，逐个检验每阶的偏自相关系数是否有意义，直到第一个有意义的为止，这时的阶数就是模型中应该包含的最大阶数。

结果与解释

输出结果：