[시계열 분석] ACF, PACF 실습

카테고리 없음

yennle 2022. 11. 20. 21:03

728x90

위 게시물에 이어서 자기 상관 함수에 대해서 실습을 진행했다.

데이터는 가장 흔한 탑승객 데이터 !

먼저 이 시계열 데이터가 어떻게 형성되어있는지부터 그래프로 확인했다.

비슷한 패턴이 반복되고 있는 것을 확인할 수 있다.

따라서, 정상성을 띄고있는 데이터가 아니라고 할 수 있다.

이에 대해 이동평균과 확장평균을 구해 함께 그리면 다음 그림과 같다.

# 이동평균
temp = data['#Passengers'].rolling(12).mean()
data.plot('Month','#Passengers')
temp.plot()

# 확장평균
temp = data['#Passengers'].expanding(min_periods=12).mean()
data.plot('Month','#Passengers')
temp.plot()

이동 평균

확장 평균

sm.graphics.tsa.plot_acf(data['#Passengers'], lags=50)

값이 천천히 떨어지는 것은 추세때문이고, 물결모양이 나오는 이유는 계절성 때문

정상성을 가진 데이터의 경우에는 빠르게 떨어진다고 함.

sm.graphics.tsa.plot_pacf(data['#Passengers'])

직접적으로 영향을 주는 부분만 확인할 수 있음.

그래프가 떨어질 때의 개수가 차분의 횟수가 되는 것

[참고]

728x90