Zrozumienie niebieskich kropkowanych linii w ACF od R.

10

Mam trochę problemów ze zrozumieniem niebieskich kropkowanych linii na poniższym obrazie funkcji autokorelacji: wprowadź opis zdjęcia tutaj

Czy ktoś mógłby mi wyjaśnić, co mi mówi?

jjepsuomi
źródło

Odpowiedzi:

13

Linie podają wartości, powyżej których autokorelacje są (statystycznie) znacząco różne od zera. Twój ACF wydaje się wskazywać na sezonowość. Polecam Prognozowanie: zasady i praktyka Hyndman & Athanasopoulos , które jest bezpłatnie dostępne online. (Możesz także kupić wersję papierową.)

Stephan Kolassa
źródło
1
@pidosaurus: Dobra uwaga, powinienem był zwrócić uwagę na tytuł książki. Zmodyfikowałem swoją odpowiedź, aby ją uwzględnić. Cała strona internetowa otexts.com wydaje się nie działać. Sprawdź ponownie później - książka była online zaledwie dzień temu i wiem, że autorzy pracują nad drugim wydaniem, więc jestem pewien, że wróci - i książka jest naprawdę wysoce zalecana.
Stephan Kolassa
@pidosaurus: dzięki za złapanie i edycję tego! Wygląda na to, że popełniłem błąd podczas wpisywania adresu URL. (Zastanawiam się, jak dostałem sześć pozytywnych opinii, zanim ktoś zauważył ...)
Stephan Kolassa
1
Zobacz to pytanie, aby uzyskać szczegółowe informacje na temat faktycznego obliczania przedziału ufności.
Candamir,
5

Wygląda jak sezonowość (o długości 18 okresów) i dłuższy cykliczny okres około 6 okresów sezonowych.

Może to być również spowodowane faktyczną funkcją okresową

Jak wygląda PACF lub IACF?

Edycja: Wykres wygląda na wygenerowany w R; niebieskie przerywane linie reprezentują przybliżony przedział ufności dla tego, co jest wytwarzane przez biały szum, domyślnie przedział 95%

Glen_b - Przywróć Monikę
źródło
Wziąłem zdjęcie z książki i nie podano PACF ... ale interesuje mnie tylko niebieska kropkowana linia :) Dziękuję
jjepsuomi
1
Możesz uzyskać (trochę) więcej informacji z pomocy dla funkcji plot.acfpod hasłami dla rzeczy z ciich nazwami w Argumentach , a także z całej sekcji Notatka - znajdź tę stronę pomocy tutaj
Glen_b
1

Mówią ci, czy korelacja przy tym opóźnieniu jest znacząca. Wyobraź sobie, że jeśli wszystkie próbki są niezależne w szeregu czasowym (co jest hipotezą zerową), korelacja dla tego opóźnienia zostanie obliczona jako

vzar(doorr(x,y))=vzar(doov(x,y)σxσy)=vzar(μxy-μxμyσxσy)=vzar(μxyσxσy)=(μx2)+σx2))(μy2)+σy2))-μx2)μy2)nσx2)σy2)

xyvzar(doorr(x,y))=1/n

Zatem jeśli szukasz 95% przedziału ufności, masz [-1,96 / \ sqrt {n}, + 1,96 / \ sqrt {n}].

Sheng
źródło