R ACF和PACF解释

我很难阅读ACF和PACF图并确定模型的滞后

我正在预测每日电力负荷数据，如下所示：

           date  temperature   load   weekday month weekend day
1    2010-01-01         -28 256131       5    01       0   1
2    2010-01-02         -24 277749       6    01       1   2
3    2010-01-03         -53 264166       0    01       1   3
4    2010-01-04         -42 319847       1    01       0   4
5    2010-01-05         -17 321376       2    01       0   5

为了获得ACF和PACF，我执行了以下操作：

#create time series     
NLdailyts <- ts(NLdaily$load, frequency =365.25, start = c(2010,1,1))
#difference time series 
NLdailytsdiff <- diff(NLdailyts,differences = 365.25)

#ACF plot in days 
## Calculate, but not plot, acf
acfpl<- acf(NLdailytsdiff, plot = FALSE)
## Transform the lags from years to days 
acfpl$lag <- acfpl$lag * 365.25
## Plot the acf 
plot(acfpl, xlab="Lag (days)")

#PACF plot in days 
## Calculate, but not plot, acf
pacfpl<- pacf(NLdailytsdiff, plot = FALSE)
## Transform the lags from years to days 
pacfpl$lag <- pacfpl$lag * 365
## Plot the acf 
plot(pacfpl, xlab="Lag (days)")

#创建时间序列
NLdailyts我认为我们需要确定ACF和PACF之间的差异。它们都显示了一个点和滞后点之间是否存在显著相关性。不同之处在于，PACF考虑了每个中间滞后点之间的相关性

查看ACF可能会产生误导，认为哪些要点是重要的。例如，如果y_（t-1）是强相关的，那么这种相关性可能出现在y_（t-2）、y_（t-3）等处


看看你的PACF图，看起来你想用AR（8）。但是，您也有每周数据，因此您可能希望设置每周的季节性，而不是每年的季节性

你可以这样做

library(forecast)
NLdailyts <- ts(NLdaily$load, frequency = 7, start = c(2010,1,1))
fit = auto.arima(NLdailyts)

库（预测）
NLdailyts安装此型号的目的是什么？如果您试图预测，只需使用预测包中的auto.arima。下面我有一些代码，但如果需要，可以更详细地介绍。ARIMA将使用差分法使数据平稳，并将自动选择使用多少滞后。此外，正负交替值并不意味着它是平稳的。你真正想要的是没有一个拟合的残差显示为显著的，也没有模式显示在PACF或ACF中。然而，这实际上可能有点困难。