acf
位于 stats
包(package)。 说明
函数 acf
计算(默认情况下绘制)自协方差或自相关函数的估计值。函数pacf
是用于偏自相关的函数。函数 ccf
计算两个单变量序列的互相关或互协方差。
用法
acf(x, lag.max = NULL,
type = c("correlation", "covariance", "partial"),
plot = TRUE, na.action = na.fail, demean = TRUE, ...)
pacf(x, lag.max, plot, na.action, ...)
## Default S3 method:
pacf(x, lag.max = NULL, plot = TRUE, na.action = na.fail,
...)
ccf(x, y, lag.max = NULL, type = c("correlation", "covariance"),
plot = TRUE, na.action = na.fail, ...)
## S3 method for class 'acf'
x[i, j]
参数
x, y |
单变量或多变量(不是 |
lag.max |
计算 acf 的最大滞后。默认值为 ,其中 是观测值数量, 是系列数量。将自动限制为比系列中的观察数少一个。 |
type |
给出要计算的 acf 类型的字符串。允许的值为 |
plot |
合乎逻辑的。如果 |
na.action |
调用函数来处理缺失值。可以使用 |
demean |
合乎逻辑的。协方差应该与样本均值有关吗? |
... |
要传递给 |
i |
要保留的一组滞后(时间差异)。 |
j |
要保留的一组系列(名称或数字)。 |
细节
对于 type
= "correlation"
和 "covariance"
,估计值基于样本协方差。 (按照惯例,滞后 0 自相关固定为 1。)
默认情况下,不允许缺失值。如果 na.action
函数传递缺失值(如 na.pass
那样),则根据完整案例计算协方差。这意味着计算的估计很可能不是有效的自相关序列,并且可能包含缺失值。计算多元时间序列的 PACF 时不允许存在缺失值。
通过拟合直到 lag.max
的连续高阶自回归模型来估计偏相关系数。
通用函数 plot
具有用于类 "acf"
的对象的方法。
滞后以时间单位返回并绘制,而不是观测值的数量。
类 "acf"
的对象有 print
和子集方法。
值
类 "acf"
的对象,它是包含以下元素的列表:
lag |
包含估计 acf 的滞后的三维数组。 |
acf |
与 |
type |
相关类型(与 |
n.used |
时间序列中的观测值数量。 |
series |
系列的名称 |
snames |
多元时间序列的序列名称。 |
ccf(x, y)
返回的滞后 k
值估计 x[t+k]
和 y[t]
之间的相关性。
如果 plot
是 TRUE
,结果会以不可见的方式返回。
例子
require(graphics)
## Examples from Venables & Ripley
acf(lh)
acf(lh, type = "covariance")
pacf(lh)
acf(ldeaths)
acf(ldeaths, ci.type = "ma")
acf(ts.union(mdeaths, fdeaths))
ccf(mdeaths, fdeaths, ylab = "cross-correlation")
# (just the cross-correlations)
presidents # contains missing values
acf(presidents, na.action = na.pass)
pacf(presidents, na.action = na.pass)
作者
Original: Paul Gilbert, Martyn Plummer.
Extensive modifications and univariate case of pacf
by
B. D. Ripley.
参考
Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth Edition. Springer-Verlag.
(This contains the exact definitions used.)
也可以看看
相关用法
- R acf2AR 计算精确拟合 ACF 的 AR 过程
- R aggregate 计算数据子集的汇总统计
- R alias 查找模型中的别名(依赖项)
- R anova.glm 广义线性模型拟合的偏差分析
- R anova.mlm 多元线性模型之间的比较
- R addmargins 在多维表或数组上设置任意边距
- R anova 方差分析表
- R asOneSidedFormula 转换为单边公式
- R as.hclust 将对象转换为 hclust 类
- R ar.ols 通过 OLS 将自回归模型拟合到时间序列
- R arima.sim 从 ARIMA 模型进行模拟
- R ar 将自回归模型拟合到时间序列
- R arima 时间序列的 ARIMA 建模
- R ansari.test 安萨里-布拉德利检验
- R approxfun 插值函数
- R add1 在模型中添加或删除所有可能的单项
- R aov 拟合方差分析模型
- R ave 因子水平组合的组平均值
- R arima0 时间序列的 ARIMA 建模 – 初步版本
- R anova.lm 线性模型拟合的方差分析
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Auto- and Cross- Covariance and -Correlation Function Estimation。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。