R语言 如何计算自相关

在这篇文章中，我们将用R编程语言计算自相关。

自相关是用来衡量在给定的时间间隔范围内，一个时间序列与自身的滞后版本之间的相似程度。我们也可以把自相关称为 “序列相关 “或 “滞后相关”。它主要用于衡量实际值与之前值之间的关系。

在R语言中，我们可以通过使用tseries模块来计算一个向量的自相关。在这个模块中，我们必须使用acf()方法来计算自相关。

语法:

acf(vector, lag, pl)

参数 。

• vector是输入向量
• lag表示滞后期的数量
• pl是绘制自动相关图

例子： R程序计算不同滞后期的向量的自相关。

# load tseries module
library(tseries)
  
# create vector1 with 8 time periods
vector1=c(34,56,23,45,21,64,78,90)
  
# calculate auto correlation with no lag
print(acf(vector1,pl=FALSE))
  
# calculate auto correlation with lag 0
print(acf(vector1,lag=0,pl=FALSE))
  
# calculate auto correlation with lag 2
print(acf(vector1,lag=2,pl=FALSE))
  
# calculate auto correlation with lag 6
print(acf(vector1,lag=6,pl=FALSE))

输出 。

同样的函数可以用于可视化输出，为此我们只需将pl设置为TRUE。

例子： 数据的可视化

# load tseries module
library(tseries)
  
# create vector1 with 8 time periods
vector1=c(34,56,23,45,21,64,78,90)
  
# calculate auto correlation with no lag
print(acf(vector1,pl=TRUE))
  
# calculate auto correlation with lag 0
print(acf(vector1,lag=0,pl=TRUE))
  
# calculate auto correlation with lag 2
print(acf(vector1,lag=2,pl=TRUE))
  
# calculate auto correlation with lag 6
print(acf(vector1,lag=6,pl=TRUE))

输出 。