(偏)自相关分析

所属分类：时间序列分析

这个方法是做什么的

逐阶算出序列与自己滞后 k 期值的相关：自相关 ACF 是总相关，包含通过中间各期传导的间接部分；偏自相关 PACF 剔除了中间传导，只留 t 期与 t−k 期的直接相关。最大滞后阶自动取 min(40, N/2−1)。差分阶数由控件指定，从 0 到 4 阶，报告标题会带上当前的阶数。

除了两张系数表与两张图，报告还给三件事。一是卡① 的前置检验：差分后序列的 ADF 平稳性，以及 Ljung-Box 白噪声联合检验——序列若是白噪声，任何“显著”的滞后阶都只是抽样波动，读图定阶毫无意义。二是卡② 逐阶给出的两条显著界，它们口径不同：ACF 用 Bartlett 公式逐阶递推，随阶数变宽（演示里从 ±0.1719 一路到 ±0.2937），PACF 用 Quenouille 近似的常数界 ±0.1719。三是卡④ 把截尾/拖尾形态量化后给出的 ARIMA 参考阶数。读这份报告最该盯住的，是那两条界不是同一条线——用一条水平线去卡 ACF 的高阶柱子，会凭空多出一批“显著”。

需要准备什么数据

• 时间序列(定量)：定量变量（数值）

数据要求

• 数据表至少 30 行。
• 单列缺失率不超过 10%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 给 ARIMA 定 p 和 q：先看形态是截尾还是拖尾，再据此选 AR、MA 还是 ARMA
• 判断差分够不够：ACF 若缓慢近线性衰减、长期不落回界内，说明还需要再差分一阶
• 检查一个已建模型的残差是不是白噪声（把残差列拖进来看有没有剩余结构）
• 在建模之前确认序列到底有没有可建模的相关结构，避免对白噪声硬拟合

前提是序列平稳、等间隔、按时间排好。这个模块没有时间列拖拽区，行的先后顺序就是唯一的时间信息，它既不排序也不校验。最少 30 行，29 行会被直接拦下；这个下限的理由是自相关系数的标准误约为 1/√N，样本太小时显著界宽到任何结论都不可信。缺失容忍度只有一成，因为按行剔除会破坏滞后阶的时间含义。

什么时候不要用它

• 只想知道平不平稳、要不要差分：用「单位根检验(ADF)」，它同时给 KPSS 与结构突变检验做交叉验证。
• 已经知道阶数、要的是拟合与预测值：用「时间序列分析(ARIMA)」，有年周期用「季节性ARIMA模型」。
• 关心的是两条不同序列之间隔几期才对上：那是互相关不是自相关，用「互相关分析」。
• 序列的均值看不出结构、波动却明显扎堆：ACF 只刻画线性相关，对波动率聚集不敏感，用「GARCH模型」。
• 想找的是周期长度而不是滞后阶：用「谱分析」，它给主导周期与 Fisher 精确检验。
• 只是想看一条噪声序列的局部走势：用「时序滑窗特征」。

容易误读的地方

• 逐阶“显著”没有做多重比较校正，孤立的高阶显著多半是噪声。 报告在卡② 的结论与卡④ 的表注里都写明：在 K 个滞后阶上按 α=0.05 逐个判断时，纯白噪声平均也会有约 2.0 个阶显著。麻烦在于形态判定会被这些噪声带偏——模块用“最后一个显著滞后是否超过 K/4”来区分截尾与拖尾，演示数据里 PACF 在 22、27、40 阶各冒出一个孤立显著，最后显著滞后就成了 40 阶，形态被判为“拖尾”。整体有没有自相关，请以卡① 的 Ljung-Box 联合检验为准。
• ACF 的显著界是逐阶变宽的，PACF 的不是。 这不是笔误。演示里 ACF 在滞后 2 阶的界是 ±0.2424、40 阶是 ±0.2937，而 PACF 全程 ±0.1719。用 PACF 那条常数线去读 ACF 图，高阶柱子会被大量误判为显著；反过来用 Bartlett 界去读 PACF 则会漏判。两张图各有各的虚线，不要跨图比。
• 差分阶数换一个，定阶建议就换一个。 同一条演示序列：0 阶差分给“ACF 截尾、PACF 拖尾 → 建议 MA(2)”，1 阶差分给“两者皆拖尾 → 建议 ARMA(3,3) 起步”，3 阶差分给“建议 MA(4)”且 PACF 40 个滞后阶全部显著。最后这个是过度差分的典型症状。差分阶数应当由平稳性决定，取第一个使序列平稳的阶，而不是拿定阶建议好不好看去反挑。
• 非平稳序列上的定阶结论必然是错的。 ACF/PACF 的抽样分布理论建立在平稳性之上，非平稳序列的 ACF 会缓慢线性衰减，看上去像“强烈的长记忆”，据此选出的 AR 阶数没有意义。卡① 的 ADF 就是拦这个的，它不显著时唯一正确的动作是加大差分阶数重跑。
• 读图定阶只是起点，不是结论。 卡④ 的表注把话说得很明白：这是启发式建议，规范流程是在建议阶数附近做 AIC/BIC 网格搜索，拟合后再用残差 Ljung-Box 验收。把“建议 MA(2)”直接写进论文而不做后续搜索与残差检验，等于把一次读图当成了模型选择。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：自相关与偏自相关系数表
3. 输出结果三：自相关图与偏自相关图
4. 输出结果四：自相关结构特征与定阶建议
5. 输出结果五：结论与学术表述