这些图向您展示了。所以想象一下你的时间序列长度为，复制它，然后删除第一个对副本#1 的观察和对副本#2 的最后一个观察。现在您有两个系列的长度可以计算相关系数。处纵轴的值。它表示滞后一个时间单位的序列的相关性。您继续为所有可能的时间滞后执行此操作，这定义了情节。$\textit{correlation of the series with itself, lagged by x time units}$$T$$T-1$$x=1$$x$

报告模式需要什么问题的答案取决于您要报告的模式。但从数量上讲，你得到的正是我刚刚描述的：序列不同滞后的相关系数。您可以通过发出命令来提取这些数值 acf(x.ts,100)$acf。

就使用什么滞后而言，这又是一个上下文问题。通常会有特定的兴趣滞后。例如，假设您可能认为鱼类每隔约 30 天就会迁入和迁出一个区域。这可能会导致您假设时间序列中滞后 30 的相关性。在这种情况下，您将支持您的假设。