Щоб прочитати графіки ACF і PACF, потрібно звернути увагу на три аспекти: величина, знак і значимість коефіцієнтів кореляції. Величина вказує на те, наскільки сильною є кореляція в діапазоні від 0 (кореляції немає) до 1 (ідеальна позитивна кореляція) або -1 (ідеальна негативна кореляція). 29 лютого 2024 р.

Інтерпретація графіків автокореляції Оскільки автокореляція є мірою кореляції, коефіцієнт автокореляції може приймати значення лише від -1 до 1. Автокореляція 0 означає відсутність кореляції, тоді як 1 і -1 вказують на сильну негативну та позитивну кореляцію.

ACF вимірює та малює середню кореляцію між точками даних у часовому ряді та попередніми значеннями ряду, виміряними для різних лагів. PACF подібний до ACF, за винятком того, що кожна часткова кореляція контролює будь-яку кореляцію між спостереженнями з меншою довжиною затримки.

Якщо значення автокореляції близькі до 0, то значення між послідовними спостереженнями не корелюють одне з одним. І навпаки, значення автокореляції, близькі до 1 або -1, вказують на наявність сильних позитивних або негативних кореляцій між послідовними спостереженнями відповідно.

2. Функція автокореляції (ACF) Функція автокореляції (ACF) — це статистичний метод, який ми можемо використати, щоб визначити, наскільки корельовані між собою значення в часовому ряді. ACF будує графік коефіцієнта кореляції з відставанням, який вимірюється в термінах кількості періодів або одиниць.

На графіках ACF значні стрибки при певних значеннях затримки вказують на сильну автокореляцію, що свідчить про потенційну сезонність або тенденцію в даних. Графіки PACF виявляють прямі зв’язки між спостереженнями в різні часові лаги, допомагаючи визначити порядок авторегресійних термінів у моделях часових рядів.