自相关 的数据注意事项

为了确保结果有效,请在收集数据、执行分析和解释结果时考虑以下准则。
按时间顺序记录数据
时间序列数据会定期收集并按时间顺序进行记录。您应当以收集数据的相同顺序将数据记录到工作表中。如果数据不采用时间顺序,您将无法评估数据中的相关模式。但是,您仍可以使用 散点图 来调查一对连续变量之间的关系。
收集足够的数据以评估趋势或模式
请收集足够的数据,以便您可以完全评估数据中的趋势或模式。Minitab 仅显示前 n/4 个滞后的相关。因此,如果您有每月数据,而且希望确定季节性模型,则将需要一个较大的样本数量。例如,至少需要 144 个观测值才能在自相关图中看到滞后 36。
按照适当的时间间隔收集数据

基于您希望检测的模式选择时间间隔。例如,要在过程中查找月-月模式,请在每个月的同一时间收集数据。如果您按周收集数据,则每月模式可能会在每周数据的“噪声”中丢失。如果您按季度收集数据,则在每个季度中每月模式“达到平均”后,每月模式可能会丢失。

如果您只想找出一段时间内的数据的一般趋势或移动情况,而不是与特定时间间隔相联的模式,则时间间隔长度不那么重要。

数据应当稳定

稳定时间序列具有随时间基本保持恒定的均值、方差和自相关函数。当滞后 1 处有一个大峰值且该峰值在几个滞后以后缓慢减小,则说明数据不稳定。如果您看到此模式,则应当在尝试确定模型之前对数据进行差分。要对数据进行差分,请使用差分。在对数据进行差分之后,请获取其他自相关图。

季节性滞后处可能会出现相同的模式。也就是说,会在第一个季节滞后处出现大相关,这个大相关会在几个季节性滞后以后减小。如果您看到此模式,则应当在尝试确定模型之前,使用一个等于季节长度的滞后来对数据进行差分。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策