R中自相关函数（ACF）和偏自相关函数（PACF）的显著性水平

Question

我想获取确定自相关系数和偏自相关系数的显著性的极限，但我不知道如何做。

我使用这个函数pacf(data)得到了偏自相关图。我希望R打印出图中指示的值。

- Erincon

---

这可能更适合于http://stats.stackexchange.com。 - Stedy

您可以使用edit(stats:::plot.acf)来查看他们如何进行计算。 - user3710546

但是，我该如何在控制台中打印它们？ - Erincon

从函数edit(stats:::plot.acf)中，clim0 <- qnorm((1 + ci)/2)/sqrt(x$n.used)，其中ci是显著性水平[0,1]，而x$n.used是序列的长度。 - user3710546

acf()或pacf()中没有返回绘图所使用的置信区间的功能。获取它们的方法是像@Pascal展示的那样自己计算。 - Alex A.

Answer 1

确定自相关系数显著性的限制为：+/- (exp(2*1.96/√(N-3)-1)/(exp(2*1.96/√(N-3)+1)。

这里的N是时间序列的长度，我使用了95%的置信水平。

- Xiaojie Zhou

---

significant_threshold=(exp(21.96/sqrt(N-3)-1))/(exp(21.96/sqrt(N-3)+1)) - thistleknot

Answer 2

选择用于测试的 m % 置信区间对应的相关值如下：0 ± i/√N，其中：

- N 是时间序列的长度； - i 是我们期望在零自相关的零假设下有 m % 的相关性落在标准差范围内的数量。

由于观测到的相关性被假定为正态分布：

- 对于 95% 置信水平（即 acf 的默认置信度），i=2； - 对于 99% 置信水平，i=3； - 高斯分布的特性 决定了其他置信水平的取值。 附录 A1 第 1011 页 提供了一个很好的实例，说明了上述原则的实际应用。

- shekeine

---

这并没有真正回答问题。OP可能熟悉这些边界是什么，但不知道如何从R中获取它们，这才是问题所问的。 - Alex A.

一旦您知道边界是什么，获取R中的边界就很容易了，因此我认为在这里对这些边界的概念基础进行简要解释是非常必要的。无论如何，如果OP仍然需要关于如何在R中确切地执行此操作的帮助，她/他可以说出来，我或其他任何人都可以通过示例扩展我的和@Pascal上面的答案。 - shekeine

楼主确实说了。这也是问题所问的——如何在R中实现它。 - Alex A.

@AlexA。你有答案编辑权限吗？如果有，请直接添加你认为缺失的内容或提供新的答案。我完全不介意。 - shekeine

Answer 3

在调查了acf和pacf函数以及使用其CIz和CIr函数的psychometric库之后，我找到了这个简单的代码来完成任务：

1. 计算 z Fisher 的置信区间：

   ciz = c(-1,1)*(-qnorm((1-alpha)/2)/sqrt(N-3))
   

这里，alpha 是置信水平（通常为0.95）。N - 观测数量。

计算 R 的置信区间：

cir = (exp(2*ciz)-1)/(exp(2*ciz)+1  

- guest