Cómo interpretar los gráficos de ACF y PACF

Question

Solo quiero verificar si estoy interpretando correctamente los gráficos de ACF y PACF:

Los datos corresponden a los errores generados entre los puntos de datos reales y las estimaciones generadas usando un modelo AR(1).

He mirado la respuesta aquí:

https://stats.stackexchange.com/questions/106038/estimate-arma-coefficients-through-acf-and-pacf-inspection/

Después de leer eso parece que los errores no están autocorrelacionados, pero solo quiero estar seguro, mis preocupaciones son:

1.) El primer error está justo en el límite (cuando este es el caso, ¿debería aceptar o rechazar que haya una autocorrelación significativa en el rezago 1)?

2.) Las líneas representan el intervalo de confianza del 95% y dado que hay 116 rezagos, esperaría que no haya más de (0.95*116=5.8 que redondeo a 6) 6 rezagos que excedan el límite. Para el ACF este es el caso, pero para el PACF hay alrededor de 10 excepciones. ¿Si incluyo aquellos en el borde son más como 14? ¿Esto aún indica que no hay autocorrelación?

3.) ¿Debería leer algo en el hecho de que todas las violaciones del intervalo de confianza del 95% ocurren a la baja?

Gracias

Baz

Answer 1

Puedo ofrecer mi opinión en respuesta a tus dos primeras preguntas:

1.) Desafortunadamente, este es uno de los problemas con los números; la respuesta es que si la observación está fuera del intervalo de confianza por incluso una millonésima de por ciento, es significativa. Si está por debajo por incluso la menor cantidad, no es significativa. Cambiar tu nivel de significancia o aumentar el tamaño de tu muestra podría ayudar.

2.) Recuerda primero que, a menos que hayas especificado lo contrario, el intervalo de confianza se refiere a una distribución gaussiana normal estándar (sin sesgo y curtosis normal y así sucesivamente); este enfoque puede ser válido o no si la distribución es perceptiblemente diferente de la normal en algún aspecto (¡tu información sugiere un sesgo ligeramente negativo...?). En segundo lugar, solo tienes 116 observaciones - una muestra de tamaño moderado de un conjunto indefinido de muestras en la población observable: esto significa que, incluso si la población es normal estándar, hay una posibilidad definitiva de que una muestra dada pueda desviarse perceptiblemente de la distribución de la población (como tener 14 puntos fuera de tu intervalo de confianza cuando debería haber solo 6).

¡Espero que esto ayude al menos un poco!