時系列分析における記述統計に関するメモ的まとめ
時系列
Lastmod: 2021-10-18

概要

今回は時系列分析における最初のステップである記述統計について述べていきます。 述べるというよりは、ひとまずメモ的にまとめて、個々の手法については別記事にて紹介する予定です。 時系列における記述統計では主に以下の段階で考えられる。

  1. 一般的なEDA
  2. 自己相関系
  3. 相互相関系
  4. 定常性の確認

一般的なEDA

時系列に限らず行う一般的なもの。

  • データをプロット: トレンドや周期性を目視で確認
  • ヒストグラム: データの分布を確認する

自己相関系

自己相関系は一変量における記述統計のこととしてここでは使っている。(一般的ではない) これらのデータを確認することでラグとの関係性や周期性を確認しやすくなる。

  • 自己共分散関数(ACVF)
  • 自己相関関数(ACF)
  • 偏自己相関関数(PACF)

↓検定として使えるもの

  • かばん検定
    • Ljung-Box検定

相互相関系

相互相関系は2つ以上の時系列データの間の相関を記述していくものです。 基本的には自己相関系の多変量バージョンという認識です。

  • 相互相関関数(CCF)

定常性の確認

  • 拡張Dickey-Fuller (ADF) 検定
  • KPSS検定

最後に

最近時系列を勉強しつつまとめたものなので、随時更新する予定です。