ACF'deki mavi noktalı çizgileri anlama

10

Otokorelasyon fonksiyonunun aşağıdaki resmindeki mavi noktalı çizgileri anlamakta biraz sorun yaşıyorum: resim açıklamasını buraya girin

Birisi bana basit bir açıklama yapabilir mi, ne anlatıyor?

r time-series autocorrelation

— jjepsuomi
kaynak

13

Çizgiler, otokorelasyonların ötesinde (istatistiksel olarak) sıfırdan önemli ölçüde farklı olan değerleri verir. ACF'niz mevsimselliği gösteriyor gibi görünüyor. Çevrimiçi olarak ücretsiz olarak sunulan Hyndman & Athanasopoulos'un Tahminlerini ve İlkelerini ve Uygulamalarını öneriyorum . (Ayrıca basılı versiyonu da satın alabilirsiniz.)

— Stephan Kolassa
kaynak

1

@pidosaurus: iyi bir nokta, kitabın asıl adını not etmeliydim. Cevabımı da dahil etmek üzere düzenledim. Tüm otexts.com web sitesi çalışmıyor gibi görünüyor. Lütfen daha sonra tekrar kontrol edin - kitap sadece bir gün önce çevrimiçiydi ve yazarların 2. baskıda çalıştıklarını biliyorum, bu yüzden geri geleceğinden eminim - ve kitap gerçekten şiddetle tavsiye edilir.

— Stephan Kolassa

@pidosaurus: yakaladığınız ve düzenlediğiniz için teşekkürler! URL'yi yazarken bir hata yapmışım gibi görünüyor. (Birisi fark etmeden önce nasıl altı vekil aldığımı merak ediyor ...)

— Stephan Kolassa

1

Güven bandının gerçekte nasıl hesaplandığına ilişkin ayrıntılar için bu soruya bakın .

— Candamir

5

Mevsimsellik (18 dönem uzunluğunda) ve yaklaşık 6 mevsim aralıklı daha uzun bir döngüsel terime benziyor.

Gerçek bir periyodik fonksiyondan da kaynaklanabilir.

PACF veya IACF neye benziyor?

Düzenleme: Arsa R'de oluşturulan bir gibi görünüyor; mavi kesik çizgiler beyaz gürültü ile üretilenler için yaklaşık% 95 aralığını temsil eder.

— Glen_b-Monica'yı eski durumuna döndür
kaynak

Resmi bir kitaptan aldım ve verilen PACF yok ... ama sadece mavi noktalı çizgiyle ilgileniyorum :) Teşekkür ederim

— jjepsuomi

1

Bağımsız Değişkenler altında adlarında plot.acfolan şeyler için girişlerin altındaki işlev için yardımdan (biraz) daha fazla bilgi ve Not bölümünün tamamını alabilirsiniz - bu yardım sayfasını burada bulabilirsinizci

— Glen_b -Restate Monica

1

Size bu gecikmedeki korelasyonun önemli olup olmadığını söylüyorlar. Örneklerinizin zaman serilerinde bağımsız olduğunu varsayalım (boş hipotez), bu gecikmedeki korelasyon şu şekilde hesaplanacaktır:

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

Zaman ve , ortalama 0 ile olan olsun . $x$ $y$ $var( Corr(x, y) ) = 1/n$

Bu nedenle,% 95 güven aralığı arıyorsanız, [-1.96 / \ sqrt {n}, + 1.96 / \ sqrt {n}] var.

— Sheng
kaynak