从R了解ACF中的蓝色虚线

10

在理解以下自相关函数图片中的蓝色虚线时，我有些麻烦：在此处输入图片说明

有人可以给我一个简单的解释，他们在告诉我什么？

r time-series autocorrelation

— 杰普索米
source

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

$var( Corr(x, y) ) = var( \frac{Cov(x, y)}{\sigma_x * \sigma_y} ) = var( \frac{\mu_{xy}- \mu_x * \mu_y}{\sigma_x * \sigma_y} ) = var( \frac{\mu_{xy}}{\sigma_x * \sigma_y} ) = \frac{ (\mu_x^2 + \sigma_x^2)*(\mu_y^2 + \sigma_y^2) - \mu_x^2 * \mu_y^2}{n * \sigma_x^2 * \sigma_y^2}$

$x$ $y$ $var( Corr(x, y) ) = 1/n$

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