K_DM Book
用語集
対象者 標準
対象者別の入口 →

対象者の設定はこのブラウザの中にだけ保存されます。

言語 JA

ラグプロットのグリッド

入門

04.2.3

ラグプロットのグリッド

最終更新 2020-08-26 読了時間 2 分
まとめ
ラグプロットは、横軸に \(k\) 日前の値、縦軸に今日の値を取った散布図で、ACF の棒 1 本の中身を点の形として見せる図です。このページでは、トレンドと周期 30 日の波を持つ 300 日の系列から、ラグ 1・2・7・30 の 4 枚を plt.subplots(2, 2) のグリッドに並べ、ax.scatter(series[:-lag], series[lag:]) で描きます。点が対角線に沿えば強い自己相関、円弧を描けば周期、雲のように散れば無相関と読め、ACF の相関係数 1 つでは見えない「直線か曲線か」の違いを確かめられます。

自己相関関数 (ACF) でラグ \(k\) の自己相関係数が何を測っているかを知っておくと、ラグプロットが「その係数 1 つを散布図にほどいたもの」だと分かります。

4 枚の散布図を並べると、ACF の数値では分からない「直線か、輪か」という自己相関の形が見えます。

直感 #

ACF のラグ 7 の棒が 0.3 だったとき、それが「全体がゆるく直線に乗る 0.3」なのか「半分は強く相関し、残り半分は無関係な 0.3」なのかは分かりません。ラグプロットは \((x_{t-k}, x_t)\) の点を全部打つので、その中身が形として見えます。前日とほぼ同じ値を取る系列ならラグ 1 の点は対角線 \(y = x\) に張り付き、周期 30 日の波を持つ系列ならラグ 7 の点は輪のように回ります。4 枚を同じ図に並べる理由は、ラグを変えたときに形がどう崩れ、どこで戻るかを一度に見比べるためです。

何が起きているか(ステップで見る) #

コードを読む前に、この手法が図の上で何をしているかを追ってみましょう。「再生」を押すか、スライダーを動かすと 1 手順ずつ進みます。

見るポイント:ずらした自分自身との相関が自己相関。周期と同じラグで相関が高くなる。

Python で描く #

次のコードは、1 日あたり 0.04 の上昇トレンドと振幅 2.5・周期 30 日の正弦波に標準偏差 0.8 のノイズを足した 300 日の系列を作り、ラグ 1・2・7・30 の散布図を 2×2 に並べます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

rng = np.random.default_rng(16)
dates = pd.date_range("2020-01-01", periods=300, freq="D")
series = pd.Series(
    10
    + 0.04 * np.arange(len(dates))
    + 2.5 * np.sin(2 * np.pi * np.arange(len(dates)) / 30)
    + rng.normal(0, 0.8, size=len(dates)),
    index=dates,
)

lags = [1, 2, 7, 30]
fig, axes = plt.subplots(2, 2, figsize=(6, 6))

for lag, ax in zip(lags, axes.flatten()):
    ax.scatter(series[:-lag], series[lag:], alpha=0.6, s=20, color="#2563eb")
    ax.set_title(f"ラグ {lag}")
    ax.set_xlabel("過去の値")
    ax.set_ylabel("現在の値")
    ax.grid(alpha=0.3)

fig.suptitle("複数ラグのラグプロット")
fig.tight_layout()
fig.savefig("static/images/timeseries/lag_grid.svg")

ラグプロットのグリッドの図

実行結果の読み方 #

ラグ 1 とラグ 2 の図では点が対角線 \(y = x\) の近くに細長く並びます。これは前日と今日がほぼ同じ値を取る、強い正の自己相関の形で、AR モデルが効きやすいサインです。ラグ 7 の図では帯が太くなり、傾いた楕円から輪に近い形へ崩れます。周期 30 日の波の 7 日ぶんずれた点は位相が 84° 進んでいるので、直線ではなく曲線上に散るためです。ラグ 30 の図は仕込んだ周期とちょうど同じ長さなので、波の成分は打ち消し合い、トレンドぶん(30 日で 1.2)だけ上にずれた対角線に点が戻ってきます。実データでラグ 7 や 30 の点がこの図より散らばっていれば、その周期は弱いか存在しないと判断します。

使いどころと落とし穴 #

ラグプロットが得意なのは、相関係数が同じでも形が違うケースの判別です。点が U 字や輪を描くなら \(x_t\) は \(x_{t-k}\) の線形関数ではないので、線形の AR モデルより 多項式回帰 やツリー系の特徴量に shift(k) を渡すほうが合います。落とし穴はトレンドで、この例の 0.04/日 程度でも 300 日で 12 だけ全体が斜め上に流れ、どのラグでも対角線に点が乗って見えます。series.diff() を 1 回かけてから描けば、本当の自己相関の形だけが残ります。