Saya mencoba mereplikasi perhitungan yang dilakukan SAS dan SPSS untuk fungsi autokorelasi parsial (PACF). Dalam SAS diproduksi melalui Proc Arima. Nilai PACF adalah koefisien autoregresi dari seri minat pada nilai-nilai lagged dari seri. Variabel yang saya minati adalah penjualan jadi saya menghitung lag1, lag2 ... lag12 dan saya menjalankan regresi OLS berikut:
Sayangnya koefisien yang saya dapatkan bahkan tidak mendekati PACF (lag 1 hingga 12) yang disediakan SAS atau SPSS. Ada saran? Apakah ada yang salah? Apa yang terlintas dalam pikiran saya adalah bahwa estimasi kuadrat terkecil dari model ini mungkin tidak sesuai dan mungkin teknik estimasi lain harus digunakan.
Terima kasih sebelumnya.
time-series
autocorrelation
partial
Andreas Zaras
sumber
sumber
Jawaban:
Contoh lain. Untuk menghitung PACF (5), perkirakan
Secara umum PACF (K) adalah koefisien urutan KTH dari sebuah model yang berakhir dengan lag K. By the way SAS dan vendor perangkat lunak lain menggunakan pendekatan Yule-Walker untuk menghitung PACF yang akan memberikan perkiraan PACF yang sedikit berbeda. Mereka melakukan ini untuk efisiensi komputasi dan menurut pendapat saya untuk menggandakan hasil dalam buku teks standar.
sumber