Examkin

Question

Difficulty: EasyKısmi Otokorelasyon Fonksiyonu (PACF)

Zaman serisi analizinde model kimliklendirme (belirleme) sürecinde, durağan bir serinin kısmi otokorelasyon fonksiyonu (PACFPACF) katsayıları incelenmiştir. Yapılan inceleme sonucunda sadece ilk gecikme değerinin (ϕ11\phi_{11}) istatistiksel olarak anlamlı olduğu, 1. gecikmeden sonraki tüm katsayıların ise sıfıra düştüğü (kesildiği) gözlemlenmiştir. Bu bulgu, söz konusu zaman serisinin aşağıdaki modellerden hangisi ile temsil edilmesinin en uygun olduğunu gösterir?

  1. AR(1)AR(1)Answer
  2. B
    MA(1)MA(1)
  3. C
    AR(2)AR(2)
  4. D
    MA(2)MA(2)
  5. E
    ARMA(1,1)ARMA(1,1)

Answer

AR(1)AR(1) modeli
Zaman serisi analizinde kısmi otokorelasyon fonksiyonunun (PACFPACF) en temel özelliği, otoregresif (ARAR) süreçlerin derecesini belirleyebilmesidir. Durağan bir AR(p)AR(p) sürecinde, pp gecikmesinden büyük olan tüm kısmi otokorelasyon katsayıları sıfırdır. Soruda 1. gecikmeden sonraki katsayıların sıfıra düştüğü belirtildiği için bu davranış tipik bir AR(1)AR(1) sürecini tanımlar.

Step-by-Step Solution

1
PACFPACF fonksiyonunun teorik davranışını hatırla.
Otoregresif (AR(p)AR(p)) modellerde PACFPACF katsayıları pp gecikmesinden sonra sıfıra düşer (kesilir).
PACFPACF, serideki aracı gecikmelerin etkisini temizleyerek doğrudan ilişkiyi ölçtüğü için ARAR modellerinde dereceden sonraki değerler anlamsızlaşır.
2
Verilen bilgideki kesilme noktasını tespit et.
Soruda kesilmenin 1. gecikmeden sonra (ϕ11\phi_{11}'den sonra) gerçekleştiği ifade edilmiştir.
Bu durum p=1p=1 olduğunu gösterir.
3
Modeli belirle.
AR(1)AR(1) modeli en uygun seçenektir.
Teorik beklenti ile gözlemlenen PACFPACF yapısı tam uyum sağlamaktadır.

Key Concept

PACFPACF fonksiyonunun ARAR modellerindeki kesilme (cut-off) özelliği.
Rate this question

Topics

Kısmi Otokorelasyon Fonksiyonu (PACF)

More questions from this topic