statsmodels.tsa.stattools 中的 PACF 函数在使用 ywunbiased 时给出的数字大于 1？

Question

我有一个长度为 177 的数据框，我想计算和绘制部分自相关函数 (PACF)。

我导入了数据等，我这样做：

from statsmodels.tsa.stattools import pacf
ys = pacf(data[key][array].diff(1).dropna(), alpha=0.05, nlags=176, method="ywunbiased")
xs = range(lags+1)
plt.figure()
plt.scatter(xs,ys[0])
plt.grid()
plt.vlines(xs, 0, ys[0])
plt.plot(ys[1])

使用的方法在很长的滞后（90ish）中导致数字大于 1，这是不正确的，我得到一个 RuntimeWarning: invalid value seen in sqrtreturn rho, np.sqrt(sigmasq) 但因为我看不到他们的源代码我不不知道这是什么意思。

老实说，当我搜索 PACF 时，所有示例只执行了 40 或 60 左右的 PACF，并且在延迟 = 2 之后它们从未有任何显着的 PACF，因此我也无法与其他示例进行比较。

但是当我使用：

method="ols"
# or
method="ywmle"

数字已更正。所以这一定是他们用来解决它的算法。

我尝试导入 inspect 和 getsource 方法，但它没用，它只是表明它使用了另一个包，我找不到。

如果您也知道问题出在哪里，我将非常感谢您的帮助。

供您参考， data[key][array] 的值为：

[1131.130005，1144.939941，1126.209961，1107.300049，1120.680054，1140.839966，1101.719971，1104.23999，1114.579956，1130.199951，1173.819946，1211.920044，1181.27002，1203.599976，1180.589966，1156.849976，1191.5，1191.329956，1234.180054，1220.329956，1228.810059，1207.01001，1249.47998，1248.290039，1280.079956 ，1280.660034，1294.869995，1310.609985，1270.089966，1270.199951，1276.660034，1303.819946，1335.849976，1377.939941，1400.630005，1418.300049，1438.23999，1406.819946，1420.859985，1482.369995，1530.619995，1503.349976，1455.27002，1473.98999，1526.75，1549.380005，1481.140015，1468.359985，1378.550049，1330.630005 ，1322.699951，1385.589966，1400.380005，1280.0，1267.380005，1282.829956，1166.359985，968.75，896.23999，903.25，825.880005，735.090027，797.869995，872.8099980000001，919.1400150000001，919.320007，987.4799800000001，1020。6199949999999，1057.079956，1036.189941，1095.630005，1115.099976，1073.869995，1104.48999，1169.430054，1186.689941，1089.410034，1030.709961，1101.599976，1049.329956，1141.199951，1183.26001，1180.550049，1257.640015，1286.119995，1327.219971，1325.829956，1363.609985，1345.199951，1320.640015，1292.280029，1218.890015， 1131.420044，1253.300049，1246.959961，1257.599976，1312.410034，1365.680054，1408.469971，1397.910034，1310.329956，1362.160034，1379.319946，1406.579956，1440.670044，1412.160034，1416.180054，1426.189941，1498.109985，1514.680054，1569.189941，1597.569946，1630.73999，1606.280029，1685.72998，1632.969971，1681.550049， 1756.540039，1805.810059，1848.359985，1782.589966，1859.449951，1872.339966，1883.949951，1923.569946，1960.22998，1930.6700440000002，2003.369995，1972.290039，2018.050049，2067.560059，2058.899902，1994。9899899999998，2104.5，2067.889893，2085.51001，2107.389893，2063.110107，2103.840088，1972.180054，1920.030029，2079.360107，2080.409912，2043.939941，1940.2399899999998，1932.22998，2059.73999，2065.300049，2096.949951，2098.860107，2173.600098，2170.949951，2168.27002，2126.149902，2198.810059，2238.830078，2278.8701170000004， 2363.639893，2362.719971，2384.199951，2411.800049，2423.409912，2470.300049，2471.649902，2519.360107，2575.26001，2584.840088，2673.610107，2823.810059，2713.830078，2640.8701170000004，2648.050049，2705.27002，2718.3701170000004，2816.290039，2901.52002，2913.97998]2168.27002，2126.149902，2198.810059，2238.830078，2278.8701170000004，2363.639893，2362.719971，2384.199951，2411.800049，2423.409912，2470.300049，2471.649902，2519.360107，2575.26001，2584.840088，2673.610107，2823.810059，2713.830078，2640.8701170000004，2648.050049，2705.27002，2718.3701170000004，2816.290039，2901.52002，2913.97998]2168.27002，2126.149902，2198.810059，2238.830078，2278.8701170000004，2363.639893，2362.719971，2384.199951，2411.800049，2423.409912，2470.300049，2471.649902，2519.360107，2575.26001，2584.840088，2673.610107，2823.810059，2713.830078，2640.8701170000004，2648.050049，2705.27002，2718.3701170000004，2816.290039，2901.52002，2913.97998]

Answer 1

你的时间序列显然不是静止的，因此违反了圣诞行者假设。

更一般地说，PACF 通常适用于平稳时间序列。在考虑部分自相关之前，您可能首先对数据进行差异化。