ACF置信區間中的R VS蟒蛇：他們爲什麼不同？

Question

當我中的R用acf函數它繪製水平線表示所述置信區間（95％默認情況下）給出了在各種滯後的自相關：

然而，當我使用statsmodels.graphics.tsaplots.plot_acf在python我看到的彎曲基於更復雜的計算置信區間：

注意，在R版本，則滯後了通過滯後25被認爲是顯著。對於相同的數據，在python版本中，只有達到20的延遲被認爲是重要的。

的是這兩種方法之間的區別，哪一個我應該相信嗎？有人可以解釋由statsmodels.tsa.stattools.acf計算的非恆定的置信區間的理論？

我知道我可以通過簡單地像y=[+/-]1.96/np.sqrt(len(data))繪圖重現的東西將R水平線。但是，我想了解幻想曲線置信區間。

Answer 1

不是一個真正的答案，這一理論部分（這可能是更好的CrossValidated），但也許有用...？

如果你去documentation page for statsmodels.tsa.stattools.acf它爲您提供了一個選項，以browse the source code。該代碼有：

varacf = np.ones(nlags + 1)/nobs 
varacf[0] = 0 
varacf[1] = 1./nobs 
varacf[2:] *= 1 + 2 * np.cumsum(acf[1:-1]**2) 
interval = stats.norm.ppf(1 - alpha/2.) * np.sqrt(varacf) 
confint = np.array(lzip(acf - interval, acf + interval)) 

相反，R source code for plot.acf顯示

clim0 <- if (with.ci) qnorm((1 + ci)/2)/sqrt(x$n.used) else c(0, 0) 

ci哪裏是置信水平（缺省值= 0.95）。