ACFプロットとPACFプロットを正しく解釈していることを確認したいだけです。
データは、実際のデータポイントとAR（1）モデルを使用して生成された推定値の間に生成されたエラーに対応します。
私はここで答えを見ました：
エラーを自動相関させていないようですが、確認したいのですが、私の懸念は次のとおりです。
1.）最初のエラーは境界の右側にあります（これが当てはまる場合、ラグ1に有意な自己相関があることを受け入れるか拒否する必要がありますか）？
2.）線は95％の信頼区間を表しており、116のラグがあることを前提として（0.05 * 116 = 5.8、6に切り上げます）、6つのラグが境界を超えると予測されます。ACFの場合はこれに該当しますが、PACFの場合は約10の例外があります。国境にそれらを含めると、14のようになりますか？これはまだ自己相関がないことを示していますか？
3.）95％信頼区間のすべての違反がマイナス面で発生しているという事実に何かを読む必要がありますか？
回答:
表示するプロットには明らかな構造はありません。
バンドの外側にあるこれらの負の部分的自己相関のラグ順序は、互いに倍数ではありません（それらは、ラグ、22、56、62、78、94です）、つまり、例12のように、規則的な数のラグの後に発生しません、24、36、48なので、プロットからパターンに基づいてパターンを推測することはありません。
補足として、実行テストを適用できます。これは、データの何らかのパターンを示唆する、正または負の値の実行をキャプチャするのに役立つ独立性のテストです。
一部の司法関係の重要性に関しては、それらが大量注文で発生することがわかります。これらの自己相関が理にかなっているのか、またはデータのコンテキストで予期されるのかを検討する必要があります。56回前に観測された値が現在の観測に影響することを期待することは理にかなっていますか？四半期ごとのデータがある場合、データの周期性の倍数であり、データのコンテキストで説明できる季節的なパターンを反映している可能性があるため、ラグ8と12で有意な相関を調べる価値があります。しかし、通常のパターンとして正当化する説明がなかったラグ9、11、またはそれより高いラグで重大なラグが発生したとしても、それほど心配する必要はありません。
残差のコレログラム検査（実際のデータポイントと推定値の差）を実行して、データに関する重要なパターンがARIMAモデルで省略されていないかどうかを確認します。すべての情報が取得されている場合、ACFおよびPACFプロットはホワイトノイズに似ているはずです。
目視検査で自信を持って同じことができない場合は、残差に対してBox-Ljungテストを実行してみてください。
このシナリオでのBox-Ljung検定の帰無仮説は、残差がホワイトノイズと変わらないというものです。
以下は、rでテストを実行するためのコードです。
Box.test(residuals, lag = 28, fitdf = 5, type = "Ljung")
ラグ値はラグの自己相関係数の数に基づいて設定され、fitdfは減算される自由度の数です。ARIMA（p、d、q）（P、D、Q）mの場合、通常はfitdf =（p + q + P + Q）を設定します
Box-Ljungテストが大きなp値を返す場合、残差には自己相関が残っていない、つまりホワイトノイズに似ていることが示唆されます。