我有跨越 8 个月的每小时电力负荷 (MW) 数据（即 5760 个数据点）。我也有来自同一时期的回归模型的预测。我的目标是：

1. 检查时间序列的某些属性（平稳性、季节性、趋势）
2. 评估回归模型的性能。

为了检查时间序列是否平稳，我使用了 Dickey-Fuller 检验。测试结果如下：

Test Statistic                                                          -3.85795
p-value                                                               0.00236705
#Lags Used                                                                    34
Number of Observations Used                                                 5725
Critical Values                {'5%': -2.86204498529, '1%': -3.43149274838,...

由于检验统计量超出临界值，因此拒绝检验的原假设（即时间序列是非平稳的）似乎是安全的。我还绘制了 ACF 值。我使用了高达 T/4（即 1400）的延迟，我不确定这是否有意义。该图如下所示：

最后，显示了一个残差图：

该图似乎没有表明方差相等假设的问题。

我的问题是：

1. 是否可以从 ACF 图得出任何结论，这是正确的方法吗（即使用完整的时间序列和高达 1400 的延迟，或者是否可以使用该序列的子集执行测试）？

2. ACF 图中的发现是否以任何方式与 Dickey-Fuller 检验的结果相矛盾或加强？

3. 分析此类时间序列数据的“正确”方法是什么？