偏自己相関関数（PACF）を解釈する

解釈

偏自己相関関数と自己相関関数を併用して、ARIMAモデルを特定します。偏自己相関関数で以下のパターンを探します。各遅れでのスパイクを調べ、それらのスパイクが有意かどうか判断します。有意なスパイクは有意限界を越えて広がっており、これは、その遅れの相関がゼロにならないことを示します。

パターン	考えられる要因	例
少数の遅れの後に減少する遅れ1での大きなスパイク。	データの移動平均項。偏自己相関関数を使用して、移動平均項の次数を判断します。
その後に正と負の相関を交互に示す減衰波が続く、遅れ1での大きなスパイク。	データの次数の高い移動平均項。自己相関関数を使用して、移動平均項の次数を判断します。
その後に有意ではない相関が続く、最初または2番目の遅れでの有意相関。	データに含まれる自己回帰項。有意相関の数は、自己回帰項の次数を示します。