您始终可以选择分类变量的一个或多个实值函数，并查看结果序列的自相关性。例如，您可以考虑一些变量子集的指标。

但是，如果我正确理解了您的问题，您的序列是通过离散空间上的 MCMC 算法获得的。在这种情况下，直接查看马尔可夫链的收敛速度可能会更有趣。Brémaud在这本书中的第 6 章详细讨论了这一点。特征值的第二大绝对值的大小决定了转移概率矩阵的收敛速度，从而决定了过程的混合。

您可以首先创建一个时间序列，其中包含每单位时间每种状态变化的数量（因此您将为每个状态创建一个时间序列），而不是在您的模拟时间序列上计算 acf。然后计算每个时间序列的acf，并与真实的比较。这不是直接的方法，但您仍然会知道每种状态随时间变化的速率是否受到尊重。