Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

時系列データ3

1,792 views

Published on

Published in: Entertainment & Humor
  • Be the first to comment

時系列データ3

  1. 1. 時系列データ分析 3 時系列データの時間依存と 自己回帰モデル
  2. 2. 時点がずれたデー タ 同士の相関性は? → 自己相関性 時間依存の表現 1つ以上離れたデー タ同士の相関性は? → 偏自己相関性 time 【 Q&A 】 Q: あるデータが時間依存の構造を持つかどうかを調べるには? A: 時点をずらして、自分自身との相関関係を調べる(自己相関関係 を調べる)。 【定義】 ・ラグ →自己相関性を調べる際にずらす時間差のこと。 ・コレログラム →時間差(ラグ)と自己相関係数の推移を確認できるグラフ。
  3. 3. 自己相関性を調べる統計的仮説検定 No 帰無仮説 検定手法 1 自己相関関係を有し Ljung-Box 検定 ていない
  4. 4. 時系列データの定常性 「データが独立に抽出された標本である」という前提では、時間依存性を 調べられない。 束縛を弱めつつ、適した条件を考える 弱定常性 1.平均が時間によらず 一定 2.分散が時間によらず 一定 3.自己共分散がラグ h のみに依存 ( 時間によら ず一定) ホワイトノイズ 1.平均が 0 2.分散が一定 3.自己共分散が 0
  5. 5. 自己回帰モデル Rt = μ + Φ*Rt-1 +  εt 1. εt はホワイトノイズ。→自己相関性が無い   (過去時点の値には依存しない)。 2. |Φ|<1 という条件が、 Rt が定常性を満たすための条 件。 3. Φ=1 の場合、単位根を持つ時系列。   ※)はじめに対象データが単位根を有するかを調べ るべき。
  6. 6. 自己回帰モデル Rt = μ + Φ*Rt-1 +  εt 1. εt はホワイトノイズ。→自己相関性が無い   (過去時点の値には依存しない)。 2. |Φ|<1 という条件が、 Rt が定常性を満たすための条 件。 3. Φ=1 の場合、単位根を持つ時系列。   ※)はじめに対象データが単位根を有するかを調べ るべき。

×