Hiểu các đường chấm màu xanh trong ACF từ R

10

Tôi gặp một chút khó khăn khi hiểu các đường chấm màu xanh trong hình dưới đây về chức năng tự tương quan: nhập mô tả hình ảnh ở đây

Ai đó có thể cho tôi một lời giải thích đơn giản, những gì họ đang nói với tôi?

r time-series autocorrelation

— jjepsuomi
nguồn

13

Các dòng đưa ra các giá trị vượt quá mức tự động tương quan (theo thống kê) khác biệt đáng kể so với không. ACF của bạn dường như chỉ ra tính thời vụ. Tôi khuyên bạn nên Dự báo: Nguyên tắc và Thực hành của Hyndman & Athanasopoulos , được cung cấp miễn phí trực tuyến. (Bạn cũng có thể mua phiên bản giấy.)

— Stephan Kolass
nguồn

1

@pidosaurus: điểm tốt, tôi nên lưu ý tiêu đề thực sự của cuốn sách. Tôi đã chỉnh sửa câu trả lời của tôi để bao gồm nó. Toàn bộ trang web otexts.com dường như ngừng hoạt động. Vui lòng kiểm tra lại sau - cuốn sách đã trực tuyến một ngày trước và tôi biết các tác giả đang làm việc trên phiên bản thứ 2, vì vậy tôi chắc chắn rằng nó sẽ quay trở lại - và cuốn sách thực sự rất được khuyến khích.

— Stephan Kolassa

@pidosaurus: cảm ơn vì đã nắm bắt & chỉnh sửa điều đó! Có vẻ như tôi đã mắc lỗi khi nhập URL. (Làm cho tôi tự hỏi làm thế nào tôi có sáu upvote trước khi ai đó nhận thấy ...)

— Stephan Kolassa

1

Xem câu hỏi này để biết chi tiết về cách tính toán độ tin cậy.

— Candamir

5

Nó trông giống như tính thời vụ (dài 18 tiết) và thời hạn chu kỳ dài hơn khoảng 6 khoảng thời gian.

Nó cũng có thể được gây ra bởi một chức năng định kỳ thực tế

PACF hoặc IACF trông như thế nào?

Chỉnh sửa: Cốt truyện trông giống như được tạo trong R; các đường đứt nét màu xanh biểu thị khoảng tin cậy gần đúng cho những gì được tạo ra bởi nhiễu trắng, theo mặc định là khoảng 95%

— Glen_b -Reinstate Monica
nguồn

Tôi đã chụp ảnh từ một cuốn sách và không có PACF đưa ra ... nhưng tôi chỉ quan tâm đến đường chấm màu xanh :) Cảm ơn bạn

— jjepsuomi

1

Bạn có thể nhận thêm (một chút) thông tin từ trợ giúp cho chức năng plot.acftrong các mục nhập cho những thứ có citên của họ trong phần Đối số , cũng như toàn bộ phần Ghi chú - tìm trang trợ giúp đó tại đây

— Glen_b -Reinstate Monica

1

Họ đang cho bạn biết liệu mối tương quan ở độ trễ đó có đáng kể hay không. Hãy tưởng tượng nếu bạn có tất cả các mẫu độc lập trong chuỗi thời gian (đó là giả thuyết null), thì mối tương quan ở độ trễ đó sẽ được tính như sau

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

Khi và có giá trị trung bình 0, bạn nhận được . $x$ $y$ $var( Corr(x, y) ) = 1/n$

Do đó, nếu bạn đang tìm kiếm khoảng tin cậy 95%, bạn có [-1,96 / \ sqrt {n}, + 1,96 / \ sqrt {n}].

— Sheng
nguồn