如何解释R中的ACF曲线y轴刻度

Question

我为我拥有的数据子集创建了一个动物园时间序列对象。数据按小时间隔均匀分布，但根据R-zoo文档（即数据中缺少一些时间点），它是一个弱规则的时间序列。

df <- read.table("Desktop/AutoCorrelation_hourly_testdata.csv", header = TRUE, sep = ",")
sub <- df[df$sid == 59, ]
sub <- sub[!duplicated(sub[c("binstart_date", "binstart_time")]), ]
library(zoo)
z <- read.zoo(sub, sep = ",", header = TRUE, index = 1:2, tz = "", format = "%Y-%m-%d %H:%M:%S")
acf_C_duration = acf(coredata(z$C_duration), na.action = na.pass, plot = TRUE)

我得到以下情节：

我的问题是，如果我的数据是按小时间隔计算，那么y轴上的滞后程度到底是多少？对我来说，解释这个情节的最佳方式是什么？

我对统计数据或R没有经验，但我试图确定这个数据集是否遵循节奏或具有任何潜在的模式/周期性。从在线研究看来，R自相关函数似乎可以为我做这件事。如果您认为我应该使用任何其他方法，请告诉我。

谢谢！

Answer 1

比例从-1到1，因为它是correlation coefficient。从图中我们可以看到滞后没有显着影响（在界限内 - 不能告诉它们为零）。 ACF函数表示当前值是否始终依赖于先前的值（滞后）。所以你看到唯一的值是lag 0的峰值。 （试着想一想这意味着什么）所以如果只是试图用自己解释它们（自相关属性），你的每小时价值是彼此独立的。

Answer 2

更准确地说，您可以将一个方程拟合到 ACF，以准确了解您在测量中的相关性是哪个滞后。

绝对值的自相关函数：

适合 acf = exp(-h/r)

等式中的#h 表示正在建模的参数 #r 表示相关距离（距离小于 r=1 产生统计上相等的值