Comprensione delle linee tratteggiate blu in un ACF da R

10

Ho qualche problema a capire le linee tratteggiate blu nella seguente immagine della funzione di autocorrelazione: inserisci qui la descrizione dell'immagine

Qualcuno potrebbe darmi una semplice spiegazione, cosa mi stanno dicendo?

r time-series autocorrelation

— jjepsuomi
fonte

13

Le righe forniscono i valori oltre i quali le autocorrelazioni sono (statisticamente) significativamente diverse da zero. Il tuo ACF sembra indicare la stagionalità. Consiglio le previsioni: principi e pratica di Hyndman e Athanasopoulos , che sono disponibili gratuitamente online. (Puoi anche acquistare una versione cartacea.)

— Stephan Kolassa
fonte

1

@pidosaurus: buon punto, avrei dovuto notare il vero titolo del libro. Ho modificato la mia risposta per includerla. L'intero sito Web otexts.com sembra essere inattivo. Ricontrolla più tardi - il libro era online solo un giorno fa e so che gli autori stanno lavorando alla seconda edizione, quindi sono sicuro che tornerà - e il libro è davvero altamente raccomandato.

— Stephan Kolassa,

@pidosaurus: grazie per averlo catturato e modificato! Sembra che abbia fatto un errore durante la digitazione dell'URL. (Mi chiedo come ho ottenuto sei voti prima che qualcuno se ne accorgesse ...)

— Stephan Kolassa,

1

Vedi questa domanda per dettagli su come viene effettivamente calcolata la banda di confidenza.

— Candamir,

5

Sembra una stagionalità (della durata di 18 periodi) e un periodo ciclico più lungo di circa 6 intervalli stagionali.

Potrebbe anche essere causato da un'effettiva funzione periodica

Che aspetto ha il PACF o IACF?

Modifica: la trama sembra essere quella generata in R; le linee tratteggiate blu rappresentano un intervallo di confidenza approssimativo per ciò che viene prodotto dal rumore bianco, per impostazione predefinita un intervallo del 95%

— Glen_b -Restate Monica
fonte

Ho preso la foto da un libro e non mi è stato dato il PACF ... ma mi interessa solo la linea tratteggiata blu :) Grazie

— jjepsuomi

1

Puoi ottenere (un po ') maggiori informazioni dall'aiuto per la funzione plot.acfsotto le voci per le cose con cinel loro nome sotto Argomenti , così come l'intera sezione Nota - trova quella pagina di aiuto qui

— Glen_b -Reinstate Monica

1

Ti stanno dicendo se la correlazione a quel ritardo è significativa. Immagina se i tuoi campioni sono tutti indipendenti nelle serie temporali (che è l'ipotesi nulla), la correlazione a quel ritardo verrà calcolata come

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

Quando ed sono di media 0, si ottiene . $x$ $y$ $var( Corr(x, y) ) = 1/n$

Pertanto, se stai cercando l'intervallo di confidenza al 95%, hai [-1.96 / \ sqrt {n}, + 1.96 / \ sqrt {n}].

— Sheng
fonte