这些线给出了自相关（统计上）显着不同于零的值。您的 ACF 似乎表明季节性。我推荐Hyndman & Athanasopoulos 的《预测：原则与实践》 ，可在线免费获得。（您也可以购买纸质版。）

它看起来像季节性（长度为 18 个周期）和更长的周期期限，大约 6 个季节性间隔。

它也可能是由实际的周期函数引起的

PACF 或 IACF 是什么样的？

编辑：该图看起来是在 R 中生成的；蓝色虚线表示白噪声产生的近似置信区间，默认为 95% 区间

他们在告诉您该滞后的相关性是否显着。想象一下，如果您的样本在时间序列中都是独立的（这是零假设），那么该滞后处的相关性将计算为

$var( Corr(x, y) ) = var( \frac{Cov(x, y)}{\sigma_x * \sigma_y} ) = var( \frac{\mu_{xy}- \mu_x * \mu_y}{\sigma_x * \sigma_y} ) = var( \frac{\mu_{xy}}{\sigma_x * \sigma_y} ) = \frac{ (\mu_x^2 + \sigma_x^2)*(\mu_y^2 + \sigma_y^2) - \mu_x^2 * \mu_y^2}{n * \sigma_x^2 * \sigma_y^2}$

什么时候$x$和$y$均值为 0，你得到$var( Corr(x, y) ) = 1/n$.

因此，如果您正在寻找 95% 的置信区间，您有$[ -1.96/\sqrt{n}, +1.96/\sqrt{n} ]$.