Próbuję powtórzyć obliczenia wykonywane przez SAS i SPSS dla częściowej funkcji autokorelacji (PACF). W SAS jest produkowany przez Proc Arima. Wartości PACF są współczynnikami autoregresji szeregu zainteresowania w stosunku do opóźnionych wartości szeregu. Moją zmienną zainteresowania jest sprzedaż, dlatego obliczam lag1, lag2 ... lag12 i uruchamiam następującą regresję OLS:
Niestety współczynniki, które otrzymuję, nie są nawet zbliżone do PACF (opóźnienia 1 do 12), które zapewniają SAS lub SPSS. Jakieś sugestie? Czy jest coś nie tak? Co przychodzi mi do głowy, to, że szacowanie metodą najmniejszych kwadratów w tym modelu może być nieodpowiednie i być może należy zastosować inną technikę szacowania.
Z góry dziękuję.
time-series
autocorrelation
partial
Andreas Zaras
źródło
źródło
Odpowiedzi:
Jak powiedziałeś „Wartości PACF są współczynnikami autoregresji szeregu zainteresowania dla opóźnionych wartości szeregu” i dodaję, gdzie PACF (K) jest współczynnikiem ostatniego (kth) opóźnienia. Zatem do obliczenia PACF opóźnienia 3 na przykład obliczenia
ia3 to PACF (3).
Inny przykład. Aby obliczyć PACF (5), oszacuj
ia5 to PACF (5).
Ogólnie PACF (K) jest współczynnikiem rzędu KTH modelu kończącego się opóźnieniem K. Nawiasem mówiąc, SAS i inni dostawcy oprogramowania używają aproksymacji Yule-Walker do obliczania PACF, co zapewni nieco inne oszacowania PACF. Robią to, aby zwiększyć wydajność obliczeniową i moim zdaniem, aby powielić wyniki w standardowych podręcznikach.
źródło