Menafsirkan Plot ACF dan PACF

Data mentah saya terdiri dari seri waktu 60 hari dengan tren menurun. Data mingguan sehingga frekuensi diatur ke 7.

Saya menghitung selisih data yang terlihat seperti ini

Ketika saya menjalankan plot ACF dan PACF pada perbedaannya, saya sepertinya mendapatkan hasil yang kontradiktif? ACF menunjukkan dampak positif dari term lagged pertama sementara PACF menunjukkan dampak negatif? Bisakah seseorang membantu saya menafsirkan ini? Saya mencoba untuk lebih memahami ARIMA. Contoh-contoh yang saya lihat tentang PACF dan ACF selalu menunjukkan dua setidaknya setuju dalam arah.

Dalam R acfdimulai dengan lag 0, yaitu korelasi dari suatu nilai dengan dirinya sendiri. pacfdimulai pada lag 1.

Hanya kekhasan implementasi R-nya. Anda dapat menggunakan Acffungsi paket forecastyang tidak menunjukkan kelambatan 0 jika itu mengganggu Anda.

Kontradiksi yang diduga didasarkan pada representasi lag yang berbeda untuk plot PACF- dan ACF dalam R: ACF dimulai pada lag 0 dan PACF mulai pada lag 1.

Pada prinsipnya, PACF dan ACF pada lag 1 harus sama. ACF teoritis untuk seri waktu stasioner hanyalah autokorelasi, sehingga .$Y_t$$ACF(1)= Corr(Y_t,Y_{t-1})$

PACF dari lag j adalah autokorelasi antara dan dengan ketergantungan linear dari dan dihapus. Karena untuk PACF (1) tidak ada ketergantungan perantara, nilainya berkurang menjadi autokorelasi sederhana: .$Y_t$$Y_{t-j}$$Y_{t-1}$$Y_{t-j+1}$$PACF(1)=Corr(Y_t,Y_{t-1})$