2 通过ACF和PACF检查估算ARMA系数 您如何通过目视检查ACF和PACF图来估计时间序列的适当预测模型？哪一个（即ACF或PACF）告诉AR或MA（或两者）？图表的哪一部分告诉您季节性ARIMA的季节性和非季节性部分？ 考虑下面显示的ACF和PCF功能。它们来自经过两次对数转换的对数变换系列，一次是简单的差异，一个是季节性的（原始数据，对数变换的数据）。您如何表征该系列？哪种型号最合适？ 16 r time-series forecasting acf-pacf
2 如何解释ACF和PACF图 我只想检查一下我是否正确解释了ACF和PACF图： 数据对应于在实际数据点之间生成的误差和使用AR（1）模型生成的估计值。 我在这里看了答案： 通过ACF和PACF检查估算ARMA系数 阅读后，似乎错误不是自相关的，但我只是想确定，我担心的是： 1.）第一个错误就在边界上（在这种情况下，我应该接受还是拒绝在滞后1存在明显的自相关）？ 2.）线代表95％的置信区间，并且考虑到存在116个滞后，我希望不超过（0.05 * 116 = 5.8，我向上舍入为6个）6个滞后。对于ACF就是这种情况，但对于PACF大约有10个例外。如果把那些包括在边界上，那更像是14？这仍然表明没有自相关吗？ 3.）我是否应该从一个事实中了解到所有违反95％置信区间的情况都是不利的？ 10 time-series arima interpretation autocorrelation acf-pacf