我是时间序列分析的新手。我有 60 个月（从 2009 年 1 月到 20013 年 12 月）的月度销售数据，并尝试通过 ARIMA 模型预测未来 6 个月的销售。我读取数据并将其转换为时间序列对象，如下所示：
\n\n data <- read.csv(file="monthlySalesData.csv", header=TRUE)\n dataInTimeSeris <- ts(data, frequency = 12, start=c(2009,1), end=c(2013,12)) \n当我尝试绘制 acf() 图来确定自相关性降至零后的滞后时间时，我会得到 X 轴上的滞后比例（以小数表示）。我没有足够的权限发布图像，但 X 轴上的滞后值以十进制表示，最大滞后为 1.5 。plot=FALSE 的 acf 值也很奇怪（它不显示计算自相关的滞后）。我无法解释这一点，也无法找到自相关性降至零后的滞后数。
\n\n acf(dataInTimeSeries, plot=FALSE)\n\nAutocorrelations of series \xe2\x80\x98dataInTimeSeries\xe2\x80\x99, by lag\n\n0.0000 0.0833 0.1667 0.2500 0.3333 0.4167 0.5000 0.5833 0.6667 0.7500 0.8333 \n 1.000 0.642 0.588 0.490 0.401 0.320 0.311 0.269 0.178 0.198 0.229 \n0.9167 1.0000 1.0833 1.1667 1.2500 1.3333 1.4167 \n …