13 这些行给出的值超出该值,自相关(统计上)显着不同于零。您的ACF似乎表明季节性。我建议由Hyndman和Athanasopoulos撰写的《预测:原则与实践》,该手册可在线免费获得。(您也可以购买纸质版本。) — 斯蒂芬·科拉萨(Stephan Kolassa) source 1 @pidosaurus:好点,我应该注意到这本书的实际名称。我已经编辑了答案以包括在内。整个otexts.com网站似乎都关闭了。请稍后再回来查看-该书是一天前在线发布的,而且我知道作者正在编写第二版,因此我敢肯定它还会再来-并强烈推荐该书。 — Stephan Kolassa '17 @pidosaurus:感谢您捕获和编辑该信息!好像我在输入URL时出错了。(让我想知道在有人注意到之前我如何获得六票赞成票……) — Stephan Kolassa, 1 有关如何实际计算置信带的详细信息,请参见此问题。 — 坎迪米尔'17
5 它看起来像季节性(长度为18个周期)和更长的周期性周期(约6个季节间隔)。 这也可能是由实际的周期函数引起的 PACF或IACF是什么样的? 编辑:该图看起来是在R中生成的图;蓝色虚线表示白噪声产生的近似置信区间,默认为95%区间 — Glen_b-恢复莫妮卡 source 我从书上拍摄了照片,但没有给出PACF ...但是我只对蓝色虚线感兴趣:)谢谢 — jjepsuomi 1 您可以从该函数的帮助plot.acf下(ci在Arguments下带有其名称的事物的条目下)以及整个Note部分中获得(一点)更多信息- 在此处找到帮助页面 — Glen_b -Reinstate Monica
1 他们告诉您在该滞后时间的相关性是否显着。想象一下,如果您的样本在时间序列中都是独立的(这是零假设),则该滞后的相关性将计算为 v 一个[R ( C ^ø - [R [R (X , ÿ))= v a r (Co v (x ,y)σX* σÿ)= v a r (μX ÿ- μX* μÿσX* σÿ)= v a r (μX ÿσX* σÿ)= (μ2X+ σ2X)∗ (μ2ÿ+ σ2ÿ)- μ2X∗μ2ÿn * σ2X∗σ2ÿv一个[R(CØ[R[R(X,ÿ))=v一个[R(CØv(X,ÿ)σX∗σÿ)=v一个[R(μXÿ-μX∗μÿσX∗σÿ)=v一个[R(μXÿσX∗σÿ)=(μX2+σX2)∗(μÿ2+σÿ2)-μX2∗μÿ2ñ∗σX2∗σÿ2 XXÿÿv 一个[R( C ^ø - [R [R (X, ÿ))= 1 / nv一个[R(CØ[R[R(X,ÿ))=1个/ñ 因此,如果您要寻找95%的置信区间,则您有[-1.96 / \ sqrt {n},+ 1.96 / \ sqrt {n}]。 — 盛 source