1. 平稳简介
“平稳”是处理时间序列数据时遇到的最重要的概念之一:平稳序列是指其特性-均值、方差和协方差不随时间而变化的序列。
让我们用一个直观的例子来理解这一点。考虑以下三个图形:
在第一幅图中,我们可以清楚地看到,均值随时间而变化(增加),呈现上升的趋势。因此,这是一个非平稳序列。平稳序列不应该呈现出随时间变化的趋势。
第二幅图显然看不到序列的趋势,但序列的变化是一个时间的函数。正如前面提到的,平稳序列的方差必须是一个常数。
再来看第三幅图,随着时间的增加,序列传播后变得更近,这意味着协方差是时间的函数。
上述三个例子均是非平稳时间序列。现在来看第四个图:
在这张图中,均值、方差和协方差都是常数,这就是平稳时间序列。
再想一想,上面的哪一幅图预测未来会更容易呢?第四个图,对吧?大多数统计模型都要求序列是平稳的,这样才能进行有效和精确的预测。
因此,总的来说,平稳时间序列是一个不依赖时间变化 (即均值、方差和协方差不随时间变化)的时间序列。在下一节中,我们将介绍各种检测给定序列是否平稳的方法。
2. 加载数据
在本节和后续几节中,将介绍检测时间序列数据的平稳性的方法,以及如何处理非平稳序列。同时,本文还提供了相应的Python代码。大家可以到:AirPassengers下载文中使用的数据集。
在继续分析数据集之前,首先加载和预处理数据。
好了,看来可以继续了