啥是Correlogram？

Correlogram， 简称为自相关图，是一种专门用于展示时候序列数据自相关性的图表。它通过在一个时候滞后下绘制自相关系数，帮我们找到数据中的周期性和模式。

Correlogram图的构成要素

在一个Correlogram图中， 横轴通常代表时候滞后而纵轴则代表自相关系数。图中，显著的自相关系数会用特殊的标记来表示，如点或线。

. 中间的线代表平均值。这玩意儿图解通常还会包括置信区间和显著性水平，以便于我们判断自相关系数是不是显著。

怎么解读Correlogram图？

通过看看Correlogram图，我们能琢磨以下几点：

. 自相关系数在时候滞后为4时也略微显著。这兴许是由于一些季节性变量的关系到而弄得的。

. 红色区域是显著性水平。在这玩意儿区域之外的自相关系数被觉得是高大度显著的。

. 如果自相关系数在优良几个时候滞后都显著， 则说明数据具有麻烦的周期性，需要更深厚入的琢磨。

Correlogram在实际应用中的案例

让我们以光盘卖量的时候序列数据为例，来具体看看怎么用Correlogram图进行时候序列预测。

在实际应用中， 我们能用Correlogram图来选择合适的时候滞后值，以进行时候序列预测。通过对Correlogram图中的显著自相关系数进行累加，来选择合适的时候滞后值。通常用自相关系数的截尾方法，选择自相关系数在显著性水平之上的最巨大时候滞后作为模型中的时候滞后值。

Correlogram图的优势与局限

Correlogram图作为一种时候序列数据琢磨工具，具有以下优势：

. 可视化展示时候序列数据的自相关性。

. 辅助选择合适的时候滞后值，搞优良时候序列预测的准确性。

只是 Correlogram图也存在一定的局限，比方说：

. 只能展示自相关系数，无法给更麻烦的统计信息。

. 对于非线性时候序列数据的琢磨效果不佳。

怎么用Correlogram图进行时候序列预测？

import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
# 载入数据
sales = pd.read_csv
sales.index = pd.to_datetime
# 绘制correlogram图
fig, ax = plt.subplots)
sm.graphics.tsa.plot_acf
plt.show
# 用ARIMA模型进行时候序列预测
model = sm.tsa.ARIMA)
results = model.fit
print)

Correlogram图作为一种关键的时候序列数据琢磨工具，对于揭示时候序列数据的周期性和模式具有关键意义。通过合理运用Correlogram图，我们能更优良地搞懂时候序列数据，从而为实际应用给有力支持。

欢迎用实际体验验证观点。