1. 학습
    2. /
  2. 강의
    3. /
  3. R로 배우는 시계열 분석
Connected

연습 문제

자기상관함수 시각화

여러 시차에서 자기상관함수(ACF)를 추정하면 시계열 x가 과거와 어떻게 관련되는지 평가할 수 있습니다. 수치 추정치는 정밀한 계산에 중요하지만, 시차에 따른 함수 형태로 ACF를 시각화하는 것도 유용합니다.

사실 acf() 명령은 기본적으로 그림을 그려 줍니다. 또한 표시할 최대 시차 수인 lag.max도 기본값을 자동으로 선택합니다.

시계열 x, y, z 세 개가 R 환경에 로드되어 있으며 오른쪽에 그려져 있습니다. 시계열 x는 강한 지속성(persistence)을 보이며, 현재 값이 직전 값들과 매우 밀접하게 관련되어 있습니다. 시계열 y는 대략 4개 관측치 길이의 주기적 패턴을 보여, 현재 값이 4시차 전 관측치와 상대적으로 가깝습니다. 시계열 z는 뚜렷한 패턴을 보이지 않습니다.

이번 연습에서는 각 시계열에 대해 추정한 자기상관함수를 그려 보겠습니다. acf()가 생성하는 그래프에서 각 자기상관 추정치의 시차는 가로축에, 각 자기상관 추정치는 세로 막대의 높이로 표시됩니다. 시차 0에서의 ACF는 항상 1이라는 점을 기억하세요.

마지막으로, 각 ACF 그림에는 파란색 가로 점선 쌍이 포함되어 있으며, 이는 0을 중심으로 한 시차별 95% 신뢰구간을 나타냅니다. 이는 특정 시차에서의 개별 자기상관 추정치가 영(자기상관 없음)이라는 귀무값 대비 통계적으로 유의한지 판단하는 데 사용됩니다.

지침

100 XP
  • 함수 acf()를 세 번 호출하여 세 시계열(x, y, z) 각각의 추정 ACF를 표시하세요. acf() 호출에서 추가 인수를 지정할 필요는 없습니다.