視覺化自我相關函數

在多個延遲（lag）上估計自我相關函數（ACF），可以用來評估時間序列 x 與其過去之間的關係。數值估計對於精細計算很重要，但把 ACF 視為延遲的函數來視覺化也同樣實用。

事實上，acf() 指令預設就會繪圖。它也會對 lag.max（要顯示的最大延遲數）做出預設選擇。

三個時間序列 x、y 和 z 已載入到你的 R 環境，並繪製在右側。時間序列 x 呈現強烈的延續性，也就是目前的數值和先前的數值相當接近。時間序列 y 呈現週期性型態，週期長度約為 4 個觀測值，也就是目前的數值與往前第 4 筆觀測相對接近。時間序列 z 則沒有明顯的型態。

在本練習中，你將為每個時間序列繪製估計的自我相關函數。acf() 產生的圖中，每個自我相關估計所對應的延遲標在水平軸上，而每個估計值以垂直長條的高度表示。請記得，lag-0 的 ACF 永遠為 1。

此外，每張 ACF 圖都包含一對藍色的水平虛線，代表以 0 為中心、逐一延遲的 95% 信賴區間。這些用來判斷在特定延遲下，單一自我相關估計相對於 0（也就是該延遲下沒有自我相關）的統計顯著性。