Coleção series-temporais
Autocorrelação parcial (PACF)
A correlação com a defasagem k, descontadas as defasagens intermediárias.
O que o bloco faz
A autocorrelação PARCIAL: a correlação da série com ela mesma k períodos antes, depois de descontar o que as defasagens 1 a k−1 já explicam. Se hoje depende só de ontem, a ACF da defasagem 2 é alta (ontem dependia de anteontem), mas a PACF da 2 é zero.
Lê-se junto com o series/acf:
| ACF | PACF | |
|---|---|---|
| AR(p) | decai aos poucos | corta depois de p |
| MA(q) | corta depois de q | decai aos poucos |
| ARMA | decai | decai |
Picos nos múltiplos do ciclo sugerem termos sazonais (P no ARIMA).
Banda, cores e eixo como no correlograma.
Antes de continuar
Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.
- Autocorrelação
- A correlação de uma série com ela mesma deslocada no tempo: o valor de hoje parecido com o de ontem. É o padrão que os modelos de séries descrevem, e o que torna inválidos os testes que supõem observações independentes.
- Sazonalidade
- Um padrão que se repete em intervalos fixos do calendário, como mais chuva em janeiro ou mais vendas em dezembro. O período sazonal é o comprimento do ciclo: 12 para dados mensais com ciclo anual.
Quando usar
Examine a associação de cada defasagem depois de controlar as defasagens intermediárias. A PACF ajuda a reconhecer ordens autorregressivas candidatas.
Configuração
- Defasagens — até onde ir. 0 é automático, como no
series/acf.
Exemplo
library(trama)
reg <- tr_registry()
tr_use("trama.series", registry = reg)
tr_flow(reg) |>
tr_add("lynx", "series/example", dataset = "lynx") |>
tr_add("log", "series/transform", from = "lynx") |>
tr_add("pacf", "series/pacf", from = "log")Como interpretar
Um gráfico (view/plot).