Visualisering av autokorrelationsfunktionen

Genom att skatta autokorrelationsfunktionen (ACF) för många laggar kan vi bedöma hur en tidsserie x förhåller sig till sina tidigare värden. De numeriska skattningarna är viktiga för detaljerade beräkningar, men det är också användbart att visualisera ACF:en som en funktion av laggen.

Kommandot acf() producerar automatiskt ett diagram och gör ett standardval för lag.max, det vill säga det maximala antalet laggar som visas.

Tre tidsserier, x, y och z, har laddats in i din R-miljö och visas i diagrammen till höger. Tidsserien x uppvisar stark persistens, vilket innebär att det aktuella värdet ligger nära de föregående värdena. Tidsserien y visar ett periodiskt mönster med en cykellängd på ungefär fyra observationer, vilket innebär att det aktuella värdet ligger relativt nära observationen fyra steg tidigare. Tidsserien z uppvisar inget tydligt mönster.

I den här övningen ska du plotta en skattad autokorrelationsfunktion för varje tidsserie. I de diagram som acf() producerar anges laggen för varje ACF-skattning på den horisontella axeln, och varje skattning representeras av höjden på de vertikala staplarna. Kom ihåg att ACF vid lagg 0 alltid är 1.

Varje ACF-diagram innehåller också ett par blå, horisontella, streckade linjer som representerar laggvisa 95-procentiga konfidensintervall centrerade kring noll. Dessa används för att bedöma den statistiska signifikansen hos en enskild autokorrelationsskattning vid en given lagg, jämfört med nollhypotesen att autokorrelationen är noll.

Den här övningen är en del av kursen

Tidsserieanalys i R

Visa kurs

Övningsinstruktioner

Använd tre anrop till funktionen acf() för att visa de skattade ACF:erna för var och en av dina tre tidsserier (x, y och z). Du behöver inte ange några ytterligare argument i anropen till acf().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# View the ACF of x
acf(___)

# View the ACF of y


# View the ACF of z

Redigera och kör kod