数据注意事项偏自相关

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

时间序列数据按照固定的间隔收集，而且按时间顺序记录。应当按照数据的收集顺序将数据记录到工作表中。如果数据不是采用时间顺序，则无法评估数据中与时间相关的模式。但是，仍可以使用散点图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

基于您要检测的模式选择时间间隔。例如，要在过程中查找每个月的模式，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

稳定性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，请使用差值。在对数据进行差分之后，请获取其他偏自相关图。

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。