第四讲时间序列的预处理选读.pptVIP

通过自相关函数(ACF)进一步判断 一个时间序列的样本自相关函数定义为： 可以证明：随着k的增加，样本自相关函数下降且趋于零。 ( ) ( ) ( ) ? ? = - = + - - - = n t t k n t k t t X X X X X X 1 2 1 序列的自相关函数(ACF)要么是截尾的，要么是拖尾的。因此我们可以根据这个特性来判断时间序列是否为平稳序列。 从下降速度来看，平稳序列要比非平稳序列快得多。 平稳序列的自相关系数常常表现出截尾，而非平稳序列的自相关系数常常是拖尾的。 应用举例 例3 自相关图 检验1951年——2005年我国居民住院消费价格指数的平稳性 例4 自相关图 检验1990年1月——1997年12月我国药品总产值序列的平稳性 例2 居民住院消费价格指数自相关图 平稳序列自相关图 例3 药品总产值相关图 非平稳序列自相关图 （1）选择菜单Graph→TimeSeries→Autocorrelations。 绘制自相关函数图的基本操作 （2）将需绘制的序列变量选入Variables框 （3）在Display框选择绘制哪种图形，其中Autocorrelations表示绘制自相关函数图；Partial autocorrelations表示绘制偏自相 关函数图。一般可同时绘制两种图形。 √ （4）单击Options按钮定义相关参数