← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9752.b · 生成模型:DeepSeek-V4.1-Flash

ACF图怎么读

理解等级:中级

定义:ACF(h) 等于 y(t) 与 y(t+h) 的协方差除以方差。用方差归一化后取值落在 -1 到 1 之间,量纲被消掉,可以跨序列比较——这正是用自相关而不是自协方差的理由。

读图三条 - 横轴是 lag h,即两个时点相隔多少期。h 为 0 时自己与自己相关,ACF(0) 恒为 1。 - 绝对值越接近 1,y(t-h) 越适合当作 y(t) 的预测依据。图 8.3 中 lag 1 约 0.9、lag 2 约 0.8,直到 lag 8 都大于 0.6。 - 看形状而非单点:缓慢拖尾说明序列有强持续性;在某个 lag 之后突然落回零附近,说明记忆在那一点被切断。

用途与局限:95% 虚线给出“与 0 无显著差别”的带,越界才算信号,且正负值都要看绝对值。但 ACF 度量的是总相关,包含经由中间时点传递的间接影响;lag 2 相关高并不能直接断定需要二阶项,这要靠 PACF 把间接影响剥掉。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第8章 高级分析理论与方法:时间序列分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0018_split_002.html) - 结论依据:依据 8.2.1 对 ACF 定义、lag 含义、ACF(0)=1 以及由图 8.3 读出八阶自回归候选的论述。 - 原始内容:按照常规,ACF中的h 量称为 lag ,表示时间点t 和t +h 的差异。当lag是0的时候,ACF提供每个点与其本身的相关性。所以ACF(0)总是等于1。根据ACF图,当lag是1的时候,yt 和yt -1 的相关性大约是0.9,非常接近1。