大家好，欢迎来到IT知识分享网。
按照前文的偏自相关系数（PACF）的计算方法：
那为什么 自相关拖尾呢?以AR(1)为例：
AR(1)的ACF(自相关系数)：
那么，自相关拖尾，偏相关截尾代表什么含义呢？参照自回归模型
可以看出，k代表的是被考察对象两者之间的间隔。现在假设以某个地区一年中每个月的财政收入为考察对象，比如，我们考察4月份和6月份之间的自相关和偏相关，这个时候两者都不为0，说明4月份和6月份之间的自相关因为考虑了5月份的因素，所以不可能为0；而偏相关考虑的是剔除了5月份的干扰以后4月份对6月份的影响，这个时候因为间隔很近，所以偏相关也不为0。但如果考察4月份和7月份之间的自相关和偏相关，自相关因为考虑了5，6月份的因素，所以仍然不可能为0，但因为时间间隔加大，影响会逐渐缩小；而偏相关考虑的是剔除了5，6月份的干扰以后4月份对7月份的影响，这个时候同样因为时间间隔加大，这种影响就会很快变为0。但实际中这种情况不太可能发生，这是因为某个地区一年中每个月的财政收入根本就不是一个严格的随机过程。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/108296.html
