2.3 自相关函数（ACF）与偏自相关函数（PACF）

文档摘要

2.3 自相关函数（ACF）与偏自相关函数（PACF） 2.3 自相关函数（ACF）与偏自相关函数（PACF）在时间序列分析中，理解数据内部的依赖结构至关重要。自相关函数（Autocorrelation Function, ACF）和偏自相关函数（Partial Autocorrelation Function, PACF）是揭示这种结构、特别是线性依赖关系的核心工具。它们通过量化时间序列当前值与其滞后值之间的相关性，帮助我们识别序列的性质（如平稳性、季节性）以及为后续的ARIMA模型定阶提供关键信息。 2.3.1 引言时间序列数据的显著特点是其观测值之间通常存在时间上的依赖关系。这种依赖可以是当前值与紧邻的过去值相关，也可以与更远的过去值相关。