R broom tidy.acf 整理 a(n) acf 对象

Tidy 总结了有关模型组件的信息。模型组件可能是回归中的单个项、单个假设、聚类或类。 tidy 所认为的模型组件的确切含义因模型而异，但通常是不言而喻的。如果模型具有多种不同类型的组件，您将需要指定要返回哪些组件。

用法

# S3 method for acf
tidy(x, ...)

参数

x

由 stats::acf() 、 stats::pacf() 或 stats::ccf() 创建的 acf 对象。

...

附加参数。不曾用过。仅需要匹配通用签名。注意：拼写错误的参数将被吸收到 ... 中，并被忽略。如果拼写错误的参数有默认值，则将使用默认值。例如，如果您传递 conf.lvel = 0.9 ，所有计算将使用 conf.level = 0.95 进行。这里有两个异常：

tidy() 方法在提供 exponentiate 参数时会发出警告(如果该参数将被忽略)。
augment() 方法在提供 newdata 参数时会发出警告(如果该参数将被忽略)。

也可以看看

tidy() , stats::acf() , stats::pacf() , stats::ccf()

其他时间序列整理器：tidy.spec()、tidy.ts()、tidy.zoo()

值

带有列的 tibble::tibble()：

acf: 自相关。
lag: 滞后值。

例子


tidy(acf(lh, plot = FALSE))
#> # A tibble: 17 × 2
#>      lag      acf
#>    <dbl>    <dbl>
#>  1     0  1      
#>  2     1  0.576  
#>  3     2  0.182  
#>  4     3 -0.145  
#>  5     4 -0.175  
#>  6     5 -0.150  
#>  7     6 -0.0210 
#>  8     7 -0.0203 
#>  9     8 -0.00420
#> 10     9 -0.136  
#> 11    10 -0.154  
#> 12    11 -0.0972 
#> 13    12  0.0490 
#> 14    13  0.120  
#> 15    14  0.0867 
#> 16    15  0.119  
#> 17    16  0.151  
tidy(ccf(mdeaths, fdeaths, plot = FALSE))
#> # A tibble: 31 × 2
#>       lag     acf
#>     <dbl>   <dbl>
#>  1 -1.25   0.0151
#>  2 -1.17   0.366 
#>  3 -1.08   0.615 
#>  4 -1      0.708 
#>  5 -0.917  0.622 
#>  6 -0.833  0.340 
#>  7 -0.75  -0.0245
#>  8 -0.667 -0.382 
#>  9 -0.583 -0.612 
#> 10 -0.5   -0.678 
#> # ℹ 21 more rows
tidy(pacf(lh, plot = FALSE))
#> # A tibble: 16 × 2
#>      lag      acf
#>    <dbl>    <dbl>
#>  1     1  0.576  
#>  2     2 -0.223  
#>  3     3 -0.227  
#>  4     4  0.103  
#>  5     5 -0.0759 
#>  6     6  0.0676 
#>  7     7 -0.104  
#>  8     8  0.0120 
#>  9     9 -0.188  
#> 10    10  0.00255
#> 11    11  0.0656 
#> 12    12  0.0320 
#> 13    13  0.0219 
#> 14    14 -0.0931 
#> 15    15  0.230  
#> 16    16  0.0444

源代码：R/stats-time-series-tidiers.R

相关用法

注：本文由纯净天空筛选整理自等大神的英文原创作品 Tidy a(n) acf object。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。