可视化自相关函数

在多个滞后期估计自相关函数（ACF）可以帮助我们评估时间序列 x 与其过去值的关系。数值估计对详细计算很重要，但将 ACF 随滞后期变化进行可视化也同样有用。

事实上，acf() 命令默认就会生成图形。它还会为 lag.max（要显示的最大滞后期数）做出默认选择。

三个时间序列 x、y 和 z 已加载到您的 R 环境中，并在右侧给出绘图。时间序列 x 显示出较强的持续性，即当前值与其之前的值高度相关。时间序列 y 呈现周期性模式，周期长度约为 4 个观测，即当前值与前面第 4 个观测值相对接近。时间序列 z 没有明显的模式。

在本练习中，您将为每个时间序列绘制其估计的自相关函数。acf() 生成的图中，横轴标示每个自相关估计对应的滞后期，纵向柱状条的高度表示自相关估计的数值。请记住，0 阶滞后的 ACF 恒等于 1。

最后，每个 ACF 图中都包含一对蓝色的、水平的、虚线，表示以 0 为中心、针对各个滞后期的 95% 置信区间。它们用于判断在给定滞后期上，单个自相关估计相对于原假设值 0（即该滞后期无自相关）的统计显著性。