检查时间序列的依赖性

考察等间隔观测值与此前数值的关联。

指南 · 基础统计 · 阅读约需 4 分钟

应用命令、工作表标识符和示例数据值保留原文。截图、图表和下载文件均为英文。

示例: 冷冻水每小时温度

168 个观测值:连续七天,每小时一个温度读数。

下载示例数据(CSV,英文列名)

此示例与 Help 中使用的示例相同。导入 CSV 文件以按照步骤操作,或在 Help 中使用 Open example in a practice copy 预填输入。

1. 创建工作区

在侧边栏中打开 Basic Statistics,选择 Autocorrelation。创建并命名分析,选择 New blank worksheet,然后选择 Create analysis。

2. 导入示例数据

下载上方的 CSV 文件并将其导入工作表。分隔符选择 Comma,小数分隔符选择 Dot,并选中 First row contains column names。

3. 指定有序序列

在 Inputs 中,将 supply_temperature_c 指定为 Time series。保持 168 个每小时读数的记录顺序。不要去除序列内部的空缺,也不要假定工作表排序会改变分析顺序。

4. 设置诊断

输入 0.05 至 Significance level (α)。选择 Default 作为 Lag selection;状态应显示 42 lags,对应 168 个观测值。打开 Residual modeling,保持 Fit a model and analyze residuals 未选中。

Autocorrelation: 输入信息,包含示例的列分配和设置
英文 Inputs 界面,展示运行分析前的示例列和设置。 查看原尺寸图片 (在新标签页中打开)

5. 运行分析

选择 Run analysis,然后打开 Results。

6. 解读结果

  1. 阅读滞后轴

    168 个读数在七天内按小时采集。滞后 1 阶比较相邻小时;滞后 24 阶比较间隔一天的读数。相关系数衡量线性关联,并非温度差。

  2. 寻找持续性和反复出现的关联

    滞后 1 阶的 ACF 约为 0.91,滞后 24 阶约为 0.74。两者均超出图示显著性界限。相邻小时的温度倾向于保持相关,间隔一天的读数也呈现反复出现的关联。请检查每日运行记录;图形无法确定物理原因。

    序列 ACF(英文图表)
    序列 ACF(英文图表) 查看原尺寸图表 (在新标签页中打开)
  3. 阅读偏相关

    滞后 2 阶的 ACF 约为 +0.77,而 PACF 约为 −0.34,已计入滞后 1 阶的影响。原始的两小时关联与调整后的额外关联可能符号相反。请将 PACF 与其逐点界限比较;本次运行未拟合时间序列模型。

    序列 PACF(英文图表)
    序列 PACF(英文图表) 查看原尺寸图表 (在新标签页中打开)
  4. 阅读联合检验

    截至滞后 42 阶,Ljung–Box Q 为 2,246.90。由于数值精度限制,其极小的 p 值显示为 0,并不表示概率恰好为零。有强证据表明存在序列依赖。

  5. 在后续工作中考虑依赖性

    保持每小时的时序,并在下一项分析中计入依赖性。将全部 168 个读数视为独立,可能夸大可用证据。这些诊断无法证明过程受控或过程能力。

更多详情:阅读各结果部分

完整结果表采用六位有效数字,与 Help 中一致。

序列自相关诊断

有效观测数为 168,最终显示/检验的滞后阶数为 42。显著性水平 α 为 0.05,滞后选择为 Default。计算版本标识诊断采用的约定。Ljung–Box Q 及其 p 值汇总截至最终滞后阶的证据;显示为零时,应理解为数值报告限度。

序列自相关诊断 · 11 行
统计量数值
计算版本2
序列按顺序排列的测量值
有效观测数168
α0.05
滞后阶数选择默认(依据样本量确定)
请求的滞后阶数默认
最终显示 / 检验的滞后阶数42
Ljung–Box Q2246.9
Ljung–Box 自由度(DF)42
Ljung–Box p 值0
解读在至多滞后 42 阶的范围内,有证据表明序列存在自相关(α = 0.05)。

序列相关系数与累积 Ljung–Box 检验

滞后表示间隔的小时数。ACF 是与该先前数值的相关系数;PACF 对中间滞后阶进行调整。ACF T 为 ACF 除以其标准误,用于检验单个滞后阶。LBQ、LBQ DF 和 LBQ p 值给出截至各滞后阶的累积 Ljung–Box 检验。全部 42 行均已显示;较高滞后阶使用的配对观测数更少。

ACF T 检验单个滞后阶。LBQ 及其 p 值合并滞后 1 阶至当前行滞后阶的证据。

序列相关系数与累积 Ljung–Box 检验 · 42 行
滞后阶ACFPACFACF TLBQLBQ 自由度LBQ p 值
10.9097260.90972611.7914141.53511.22919e-32
20.769726-0.3357096.12268243.46921.35295e-53
30.590476-0.2578123.90555303.8231.48278e-65
40.392682-0.1534312.3894330.67342.60783e-70
50.191901-0.1127361.12992337.12551.03399e-70
6-0.0126268-0.192623-0.0737881337.15368.82606e-70
7-0.218903-0.237349-1.27918345.65471.04946e-70
8-0.404073-0.1235-2.33857374.79884.57796e-76
9-0.564829-0.172807-3.16745432.10491.91524e-87
10-0.692961-0.192586-3.67284518.904104.02031e-105
11-0.774349-0.13218-3.8097627.98111.44312e-127
12-0.797445-0.048621-3.62281744.402121.36661e-151
13-0.767302-0.0875804-3.24179852.885136.44296e-174
14-0.680068-0.0193745-2.70878938.656142.24161e-191
15-0.55157-0.0449476-2.10687995.445151.27574e-202
16-0.3799820.0736759-1.414551022.57161.64022e-207
17-0.1810780.0576671-0.6662071028.78176.27864e-208
180.02646760.02966840.09712111028.91184.64621e-207
190.22780.04289790.8358491038.86192.67704e-208
200.401449-0.0277181.466921069.96204.61875e-214
210.551640.09390071.990391129.08218.27472e-226
220.6641550.03431122.341771215.37222.34917e-243
230.723244-0.04864392.470741318.39231.75938e-264
240.7363180.03844592.42871425.92241.42531e-286
250.695007-0.02047012.215961522.4252.65207e-306
260.60346-0.0394521.870181595.64260
270.4820560.06897461.463781642.71270
280.3378290.08752171.012991665.99280
290.1783970.07829330.5316891672.53290
300.01497290.07297780.04455011672.58300
31-0.166442-0.110348-0.4952221678.35310
32-0.348901-0.084198-1.036591703.91320
33-0.505749-0.0176767-1.493061758.03330
34-0.603230.185411-1.757671835.58340
35-0.654539-0.0127267-1.873041927.58350
36-0.6538730.0128352-1.833252020.09360
37-0.618623-0.0389209-1.700732103.52370
38-0.549054-0.0347339-1.484132169.75380
39-0.454397-0.0953556-1.212472215.46390
40-0.3274130.0175038-0.8660952239.38400
41-0.181502-0.00499547-0.4779912246.79410
42-0.0225211-0.0156713-0.05922952246.9420

序列计算方法与对齐

这些行记录基于完整序列的 ACF 分母、PACF 递推、Bartlett 标准误及 Student t 显著性界限。报告诊断时,应一并保留计算版本、工作表顺序及对齐说明。残差建模未开启。

序列计算方法与对齐 · 13 行
统计量数值
ACF 估计方法使用完整序列的均值和分母(未调整)
PACF 估计方法基于同一未调整 ACF 的 Durbin–Levinson 递推
ACF 标准误Bartlett:√((1 + 2Σ 先前各滞后阶的 ACF²) / n)
ACF TACF / 标准误
显著性界限ACF 使用 Student t × SE;PACF 使用 Student t / √n
t 分布自由度167
t 分布乘数1.97427
Ljung–Boxn(n + 2) Σ ACF(k)² / (n − k);卡方分布的生存概率
拟合参数的自由度(DF)调整0
原始工作表的首行1
原始工作表的末行168
已排除的开头空单元格数0
已排除的末尾空单元格数0

序列标准误与显著性界限

每个滞后阶行给出 ACF 标准误及其显著性下限/上限,以及 PACF 下限/上限。ACF 界限随滞后阶变化,此处 PACF 界限则为常数。这些逐点界限并非温度规格限或过程控制限;检查许多滞后阶时,可能出现个别信号。

序列标准误与显著性界限 · 42 行
滞后阶ACF 标准误ACF 下限ACF 上限PACF 下限PACF 上限
10.0771517-0.1523180.152318-0.1523180.152318
20.125717-0.24820.2482-0.1523180.152318
30.151189-0.2984880.298488-0.1523180.152318
40.164344-0.3244590.324459-0.1523180.152318
50.169837-0.3353040.335304-0.1523180.152318
60.171123-0.3378420.337842-0.1523180.152318
70.171128-0.3378530.337853-0.1523180.152318
80.172787-0.3411280.341128-0.1523180.152318
90.178323-0.3520580.352058-0.1523180.152318
100.188672-0.3724890.372489-0.1523180.152318
110.203258-0.4012860.401286-0.1523180.152318
120.220118-0.4345730.434573-0.1523180.152318
130.236691-0.4672910.467291-0.1523180.152318
140.25106-0.4956610.495661-0.1523180.152318
150.261796-0.5168560.516856-0.1523180.152318
160.268624-0.5303370.530337-0.1523180.152318
170.271805-0.5366160.536616-0.1523180.152318
180.272522-0.5380320.538032-0.1523180.152318
190.272537-0.5380620.538062-0.1523180.152318
200.273668-0.5402950.540295-0.1523180.152318
210.277151-0.5471720.547172-0.1523180.152318
220.283612-0.5599260.559926-0.1523180.152318
230.292723-0.5779150.577915-0.1523180.152318
240.303173-0.5985460.598546-0.1523180.152318
250.313637-0.6192050.619205-0.1523180.152318
260.322674-0.6370470.637047-0.1523180.152318
270.329324-0.6501740.650174-0.1523180.152318
280.333497-0.6584140.658414-0.1523180.152318
290.335528-0.6624230.662423-0.1523180.152318
300.336092-0.6635370.663537-0.1523180.152318
310.336096-0.6635450.663545-0.1523180.152318
320.336586-0.6645130.664513-0.1523180.152318
330.338732-0.668750.66875-0.1523180.152318
340.343198-0.6775650.677565-0.1523180.152318
350.349452-0.6899130.689913-0.1523180.152318
360.356675-0.7041730.704173-0.1523180.152318
370.36374-0.7181210.718121-0.1523180.152318
380.36995-0.7303810.730381-0.1523180.152318
390.374769-0.7398950.739895-0.1523180.152318
400.378034-0.7463410.746341-0.1523180.152318
410.379718-0.7496660.749666-0.1523180.152318
420.380234-0.7506850.750685-0.1523180.152318
  • 这些界限描述单个滞后阶的统计量,并非覆盖全部已显示滞后阶的同时置信带。

计算约定

计算版本 2:基于完整序列的 ACF 分母、使用未调整 ACF 计算 PACF 的递推、Bartlett ACF 标准误,以及 Student t 显著性界限。T 评估单个滞后阶;Ljung–Box 汇总截至指定滞后阶的证据。这些诊断无法证明过程稳定性或其是否适合采用 SPC。

7. 创建报告

保留 Series ACF 和 Series PACF、全部相关系数及界限行、序列诊断和计算方法说明。记录每小时间隔及原始顺序,并保留应用结果中关于依赖性和 SPC 解读的警告。

在已完成的运行中选择 Add to report 。打开 Choose individual items and advanced options 以选择表格和图表,然后选择 Add to draft。隐藏的项目仍会保留在已保存的分析中。

为报告命名,并添加研究目的和您的解读。选择 Save,查看 Preview,然后使用 Export → Download HTML。以下示例包含全部已选内容,包括超出单屏显示范围的结果。

此报告在应用中生成,为英文原版。 此 Help 示例在应用内生成的完整输出,包括适用的表格、图表和运行说明。 报告中的数值采用应用显示的数值精度。导出的图表为静态图表。在窄屏上,请横向滚动查看较宽的图表和表格。
查看示例报告: 考察冷冻水温度序列的依赖性

我们使用 Microsoft Clarity 了解访客如何使用本网站,包括会话录制和热图。 无需接受分析服务,也可使用本网站。

您的选择将在此浏览器中保存六个月。 隐私声明

当前选择: 尚未选择.