1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích chuỗi thời gian bằng R
Connected

Bài tập

Trực quan hóa hàm tự tương quan

Ước lượng hàm tự tương quan (ACF) tại nhiều độ trễ giúp bạn đánh giá chuỗi thời gian x liên hệ với quá khứ của chính nó như thế nào. Các ước lượng số rất quan trọng cho tính toán chi tiết, nhưng việc trực quan hóa ACF như một hàm theo độ trễ cũng hữu ích.

Thực tế, lệnh acf() mặc định sẽ vẽ một biểu đồ. Nó cũng tự chọn giá trị mặc định cho lag.max, tức số độ trễ tối đa sẽ được hiển thị.

Ba chuỗi thời gian x, y và z đã được nạp vào môi trường R của bạn và được vẽ ở bên phải. Chuỗi x thể hiện tính dai dẳng mạnh, nghĩa là giá trị hiện tại tương đối gần với các giá trị ngay trước đó. Chuỗi y có mẫu hình chu kỳ với độ dài chu kỳ xấp xỉ bốn quan sát, tức giá trị hiện tại tương đối gần với quan sát cách đó bốn bước. Chuỗi z không biểu lộ mẫu hình rõ ràng nào.

Trong bài này, bạn sẽ vẽ ACF ước lượng cho mỗi chuỗi thời gian. Trong các biểu đồ do acf() tạo, độ trễ (lag) cho mỗi ước lượng tự tương quan được hiển thị trên trục ngang, và mỗi ước lượng tự tương quan được biểu diễn bằng chiều cao của các cột dọc. Nhớ rằng ACF tại độ trễ 0 luôn bằng 1.

Cuối cùng, mỗi hình ACF có một cặp đường gạch ngang màu xanh dương nằm ngang biểu diễn khoảng tin cậy 95% theo từng độ trễ, lấy tâm tại 0. Chúng được dùng để xác định ý nghĩa thống kê của một ước lượng tự tương quan tại một độ trễ nhất định so với giá trị rỗng bằng 0, tức không có tự tương quan tại độ trễ đó.

Hướng dẫn

100 XP
  • Gọi hàm acf() ba lần để hiển thị ACF ước lượng cho từng chuỗi thời gian (x, y và z). Không cần chỉ định thêm các đối số khác trong lời gọi acf().