Memahami garis putus-putus biru dalam ACF dari R

10

Saya mengalami sedikit kesulitan memahami garis putus-putus biru pada gambar fungsi autokorelasi berikut: masukkan deskripsi gambar di sini

Bisakah seseorang memberi saya penjelasan sederhana, apa yang mereka katakan kepada saya?

r time-series autocorrelation

— jjepsuomi
sumber

13

Garis memberi nilai di luar yang autokorelasi secara statistik berbeda secara signifikan dari nol. ACF Anda tampaknya mengindikasikan musiman. Saya merekomendasikan Peramalan: Prinsip dan Praktik oleh Hyndman & Athanasopoulos , yang tersedia secara online secara gratis. (Anda juga dapat membeli versi kertas.)

— Stephan Kolassa
sumber

1

@pidosaurus: poin bagus, saya seharusnya mencatat judul buku yang sebenarnya. Saya telah mengedit jawaban saya untuk memasukkannya. Seluruh situs web otexts.com tampaknya sedang down. Silakan periksa kembali nanti - buku itu online sehari yang lalu, dan saya tahu penulis sedang mengerjakan edisi ke-2, jadi saya yakin itu akan kembali - dan buku itu benar-benar sangat direkomendasikan.

— Stephan Kolassa

@pidosaurus: terima kasih telah menangkap & mengeditnya! Sepertinya saya membuat kesalahan dalam mengetik URL. (Membuat saya bertanya-tanya bagaimana saya mendapat enam upvotes sebelum seseorang memperhatikan ...)

— Stephan Kolassa

1

Lihat pertanyaan ini untuk perincian tentang bagaimana pita kepercayaan sebenarnya dihitung.

— Candamir

5

Itu terlihat seperti musiman (dengan panjang 18 periode) dan periode siklus yang lebih panjang sekitar 6 interval musiman.

Mungkin juga disebabkan oleh fungsi periodik aktual

Seperti apa PACF atau IACF?

Sunting: Plot terlihat seperti yang dihasilkan dalam R; garis putus-putus biru mewakili perkiraan interval kepercayaan untuk apa yang dihasilkan oleh white noise, secara default interval 95%

— Glen_b -Reinstate Monica
sumber

Saya mengambil gambar dari sebuah buku dan tidak ada PACF yang diberikan ... tapi saya hanya tertarik pada garis titik-titik biru :) Terima kasih

— jjepsuomi

1

Anda dapat memperoleh (sedikit) informasi lebih lanjut dari bantuan untuk fungsi di plot.acfbawah entri untuk hal-hal dengan cinama mereka di bawah Argumen , serta seluruh bagian Catatan - temukan halaman bantuan di sini

— Glen_b -Reinstate Monica

1

Mereka memberi tahu Anda apakah korelasi pada lag itu signifikan. Bayangkan jika Anda memiliki semua sampel Anda independen dalam deret waktu (yang merupakan hipotesis nol), korelasi pada kelambatan itu akan dihitung sebagai

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

Ketika dan dengan rata-rata 0, Anda mendapatkan . $x$ $y$ $var( Corr(x, y) ) = 1/n$

Jadi, jika Anda mencari interval kepercayaan 95%, Anda memiliki [-1,96 / \ sqrt {n}, + 1,96 / \ sqrt {n}].

— Sheng
sumber