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)。
我有导入的数据等，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])
所使用的方法在很长的滞后(90秒)内得出的数字大于1，这是不正确的，并且我得到RuntimeWarning:在sqrtreturn rho中遇到无效的值，np.sqrt(sigmasq)，但是由于我看不到它们的源代码，所以我没有不知道这意味着什么。
老实说，当我搜索PACF时，所有示例仅执行最多40个滞后或60个左右的PACF，并且在lag = 2之后它们从未具有任何有效的PACF，因此我也无法与其他示例进行比较。
但是当我使用时:
method="ols"
# or
method="ywmle"
数字已更正。因此，这一定是他们用来解决问题的算法。
我尝试导入inspect和getsource方法，但它无用，只是表明它使用了另一个包，而我找不到。
如果您也知道问题出在哪里，我将非常感谢您的帮助。
供您引用，data [key] [array]的值是:
[1131.130005，1144.939941，1126.209961，1107.300049，1120.680054，1140.839966，1101.719971，1104.23999，1114.579956，1130.199951，1173.819946，1211.920044，1181.27002，1203.599976，1180.589966，1156.849976，1191.5，1129.329956，109.1099.28.29569.8，112.109.8298.2100,122.109.9008.210092,122.1099.2829956800 ，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 1390.619995，1503.85.91 149.6851.5468.5981.5468.5981.5468.155.9495.145 ，1322.699951，1385.589966，1400.380005，1280.0，1267.380005，1282.829956，1166.359985，968.75，896.23999，903.25，825.880005，735.090027，797.869995，872.8099980000001，919.1400150000001，919.320007,1095.0999.89999.01096.99996.99996.99996.99996.99996.9996.99996.99996.99999.09996.99996.99996.99996.99999.09996.99996.99996.99999.09996.99996.99996.99996.999.999.699.90.990.6999.999.999.60.6900.990.6999.109.608.99.990.6999.109.608.99.990.6999.1999.99.990.6999.109.999.999.600.99.109.109.999.56.109.9995.6999.99.99.409.999.56.109.999.56.109.999.109.996000.99.990.6999.109.999.56.109.996000.99.996000 ，1186.689941、1089.410034、1030.709961 ，1101.599976，1049.329956，1141.199951，1183.26001，1180.550049，1257.640015，1286.119995，1327.219971，1325.829956，1363.609985，1345.199951，1320.640015，1292.280029，1218.890015，1131.420044，1253.300049，1246.959961.1349.06.9136.139.240.109.109.140.109.109.109.140.109.140.109.140.109.140.109.140.109.140.109.109.109.140.140.109.109.140.109.134.109.140.109.349.109.349.109.140.109.349.109.140.109.140.109.109.109.140.6097.109.140134.109.109 ，1406.579956，1440.670044，1412.160034，1416.180054，1426.189941，1498.109985，1514.680054，1569.189941，1597.569946，1630.73999，1606.280029，1685.72998，1632.969971，1681.550049，1756.540039，1589.598.960898.96098.9958295989359985829 998.598985.8949589858995998 989898954995 ，1972.290039，2018.050049，2067.560059，2058.899902，1994.9899899999998，2104.5，2067.889893，2085.51001，2107.389893，2063.110107，2103.840088，1972.180054，1920.030029，2079.360107，2080.409912，2043.93992 2099.298909298200099000.298.9989081298.298.998980.298.98098.998098 ，2126.149902，21 98.810059，2238.830078，2278.8701170000004，2363.639893，2362.719971，2384.199951，2411.800049，2423.409912，2470.300049，2471.649902，2519.360107，2575.26001，2584.840088，2673.610107，2823.810059，127.1807.04702.9760.178.280.170.280.170.280.178.280.178.280.178.280.10017.280.127.280.170.178.2801700.127.28017.109.178
最佳答案
您的时间序列显然很不稳定，因此违反了Yule-Walker的假设。
更一般而言，PACF通常适用于固定时间序列。在考虑部分自相关之前，您可能首先需要对数据进行区分。
关于python-3.x - statsmodels.tsa.stattools中的PACF函数在使用ywunbiased时给出大于1的数字。，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55252492/