Mikosch ve ACF değil hiperbolik fonksiyonu izleyin yaptığı Starica stres; Bu rakam, istatistiksel araçların yanlış kullanımının yanlış sonuçlara nasıl yol açabileceğini göstermeye adanmıştır - veriler, şekil 1.1'in diğer pencerelerinde, ilişkisiz olacak şekilde gösterilir! Her neyse, bu Cross Validated Stack Exchange için bir tartışma.
Sen doğrusal olmayan regresyon nls
uyuyor yapabilirsiniz. Bir AR (2) işleminin ACF'sini örnek olarak 0.8 ve 0.1 parametreleriyle kullanmıştım (burada elbette yanlış olacak, fakat otomatik korelasyon fonksiyonları ile çalışırken karşılaşabileceğiniz sorunlardan birkaçı ortaya çıkıyor). Ben mantıklı değil 0^(-c)
beri lag 0 verileri kaldırmak nasıl
set.seed(1e2)
## AR(2) simulation
arsim <- arima.sim(list(ar = c(0.8,0.1)),n = 1000)
## Autocorrelation function of absolute values:
myacf <- acf(abs(arsim),ci = 0)
## Fit acf = b*x^(-c)
nls_fit <- nls(y ~ b*x^(-c),
data.frame(x = myacf$lag[-1], y = myacf$acf[-1]), #Remove lag 0
start = list(b=1,c=1))
curve(nls_fit$m$getPars()[1]*x^(-nls_fit$m$getPars()[2]),
add = TRUE,col="red")
Not. Bu, yazarların genellikle yaptıklarıyla uyuşmaktadır (gecikmede yok saymak 0 - hiçbir zaman plot yapmak mantıklı değildir. Neden bilmiyorum plot.acf
).

Mikosch genellikle veri açıkça IID değilken varsayılan olarak gösterilir iid güven bantları kaldırmak için öneriyor. Bunu ci = 0
seçeneği ile yaparsınız.
Kağıt bağlantısı: http://www-stat.wharton.upenn.edu/~steele/HoldingPen/StaricaLongRangeQ.pdf –