如何计算从CCF函数绘制的每个条形的置信区间，以查看它们是否与R中的其他条形显着不同

Question

我研究了在使用CCF（）函数时如何识别给定条形的置信区间是什么具有统计显着性cross-correlation using ccf in R。但是，我试图对滞后条进行比较，这些滞后条具有统计显着性，可以看出它们是否与其他条形图明显不同。有没有办法计算CCF图上每个条形的ACF相关性的置信区间？

下面的代码模拟了一些说明问题的数据。您可以看到有4个柱（滞后-3到1）在.9999置信水平上都很重要。

我试图确定滞后-1处的ACF相关性是否与滞后-2和0处观察到的系数显着不同。我相信计算每个柱的CI将允许我这样做，但我不确定如何实现这一点。

#Simulating 2 time seres that are correlated across multiple lags
set.seed(1)
y <- filter(rnorm(1000), filter=rep(1,3), circular=TRUE)
#plot(y)
x = lag(y, 1) * 2
#plot(x)
ccfObject = ccf(x,y, 3)
plot(ccfObject, ci=.9999)

我的官方提问

1. 如何计算R？
中CCF（）函数输出的每个条的置信区间

...其次  2.这种比较在统计上是否有效？如果没有，我应该如何在R？中进行这样的比较？