Le calculateur du test de Ljung-Box donne la statistique Q, la statistique de Box-Pierce, les degrés de liberté et la valeur p d’un test d’autocorrélation, d’après le nombre d’observations et les autocorrélations aux retards 1 à 5 d’une série ou des résidus d’un modèle.
Comment se fait le calcul
- Saisissez le nombre d’observations et les autocorrélations aux retards 1 à 5.
- Saisissez le nombre de paramètres ajustés dans le modèle, 0 pour une série brute.
- Lisez Q, la valeur p et si le bruit blanc est rejeté.
Exemple
Avec 120 observations et des autocorrélations de 0,25, 0,12, -0,05, 0,08 et 0,03, le Q de Ljung-Box est de 10,711 avec 5 degrés de liberté, contre une valeur critique de 11,070. La valeur p est de 0,0574 et l’indicateur de rejet est 0. La statistique de Box-Pierce est de 10,404. Une seule autocorrélation en dehors de 0,179 serait notable.
Pourquoi c’est utile
Le calculateur aide les analystes, étudiants et prévisionnistes qui contrôlent les résidus d’un modèle de série temporelle, comme ARIMA ou le lissage exponentiel, et veulent savoir s’il reste une structure que le modèle n’a pas captée, à partir des autocorrélations lues sur un graphique ou dans un logiciel.
À savoir
Les autocorrélations doivent être les valeurs d’échantillon à des retards consécutifs à partir du retard 1, calculées sur la série ou les résidus. Soustrayez le nombre de paramètres ARMA ajustés des retards pour obtenir les degrés de liberté, et ne l’appliquez pas aux résidus d’une régression avec variables dépendantes retardées. Une faible valeur p dit qu’il reste de l’autocorrélation, mais pas à quel retard. Une valeur p élevée ne prouve pas l’indépendance, surtout avec peu d’observations.
Outils liés
Le calculateur de Durbin-Watson teste l’autocorrélation d’ordre un des résidus de régression, celui du test du khi-deux traite la loi utilisée ici, celui de la significativité d’une corrélation teste une corrélation et celui de la corrélation partielle contrôle d’autres variables.