Понимание синих пунктирных линий в ACF от R

10

У меня возникли проблемы с пониманием синих пунктирных линий на следующем рисунке функции автокорреляции: введите описание изображения здесь

Может ли кто-нибудь дать мне простое объяснение, что они говорят мне?

r time-series autocorrelation

— jjepsuomi
источник

13

Линии дают значения, за пределами которых автокорреляции (статистически) значительно отличаются от нуля. Ваш ACF, кажется, указывает на сезонность. Я рекомендую « Прогнозирование: принципы и практика» от Hyndman & Athanasopoulos , который свободно доступен онлайн. (Вы также можете купить бумажную версию.)

— Стефан Коласса
источник

1

@pidosaurus: хороший момент, я должен был отметить фактическое название книги. Я отредактировал свой ответ, чтобы включить его. Весь сайт otexts.com, кажется, не работает. Пожалуйста, зайдите позже - книга была онлайн всего лишь день назад, и я знаю, что авторы работают над вторым изданием, поэтому я уверен, что она вернется - и книга действительно очень рекомендуется.

— Стефан Коласса

@pidosaurus: спасибо, что поймали и отредактировали это! Похоже, я сделал ошибку при вводе URL. (Заставляет меня удивляться, как я получил шесть голосов, прежде чем кто-то заметил ...)

— Стефан Коласса

1

См. Этот вопрос для получения подробной информации о том, как фактически рассчитывается доверительный интервал.

— Кандамир

5

Это выглядит как сезонность (продолжительностью 18 периодов) и более длительный циклический член, состоящий примерно из 6 сезонных интервалов.

Это также может быть вызвано фактической периодической функцией

Как выглядит PACF или IACF?

Редактировать: сюжет выглядит как сгенерированный в R; синие пунктирные линии представляют приблизительный доверительный интервал для того, что производится белым шумом, по умолчанию интервал 95%

— Glen_b - Восстановить Монику
источник

Я взял фотографию из книги, и там не дано PACF ... но меня интересует только синяя пунктирная линия :) Спасибо

— jjepsuomi

1

Вы можете получить (немного) больше информации из справки для функции plot.acfв записях для вещей с ciих именами в разделе « Аргументы» , а также во всем разделе « Заметки » - найдите эту страницу помощи здесь

— Glen_b -Reinstate Monica

1

Они говорят вам, значительна ли корреляция в этом лаге. Представьте, что если у вас все выборки независимы во временном ряду (что является нулевой гипотезой), корреляция на этом запаздывании будет рассчитываться как

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

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

Таким образом, если вы ищете 95% доверительный интервал, у вас есть [-1,96 / \ sqrt {n}, + 1,96 / \ sqrt {n}].

— Sheng
источник