SPSS 命令: SPSS ACF
自相关函数与偏自相关函数
自相关函数（ACF）衡量序列在各滞后阶上与自身过去值的相关程度；偏自相关函数（PACF）剔除了中间较短滞后的影响。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 运行 SPSS ACF 和 PACF，提供白噪声或 Bartlett 标准误、Box-Ljung 检验，以及可选的对数变换、普通差分和季节性差分。
- 序列是白噪声还是具有记忆性：各滞后阶的 Box-Ljung Q 统计量。
- 趋势是否需要差分：ACF 衰减非常缓慢是典型信号。
- 季节性：在季节滞后处（月度数据为 12，季度数据为 4）出现尖峰。
- 候选 ARIMA 阶数：PACF 在滞后 p 后截尾提示 AR(p)，ACF 在滞后 q 后截尾提示 MA(q)。
适用场景
适合使用
- 拟合 ARIMA 模型之前，用来确定差分次数以及 AR、MA 阶数。
- 检查追踪数据各期之间的变化只是噪声，还是会从一期延续到下一期。
- 检验模型残差中是否仍有自相关（ARIMA 会给出自己的残差 ACF）。
改用其他方法
- 想看两个不同序列之间的关系：使用互相关。
- 想寻找长度未知的周期：谱分析能同时考察所有频率。
- 只有寥寥几期：少于约 20 个时间点时，相关系数噪声太大，难以可靠解读。
在 Crosstabs 中如何操作
- 01
打开自相关
在“统计”模式下，从“预测”组中选择“自相关”（ACF）。
- 02
定义时间轴
把受访者行分组为各期，或把每行视为一个时间点。周期性只在做季节性差分时起作用。
- 03
选择序列和最大滞后
选择“序列”并设置“最大滞后”（默认 16，最多 60）。对季节数据，滞后数至少覆盖两个季节周期。
- 04
选择标准误方法
“独立（白噪声）”是 SPSS 默认值；“Bartlett 近似（MA）”在低阶自相关较大时会放宽高阶滞后的界限。
- 05
变换并运行
可选勾选“自然对数变换”，并设置“差分”（0–2）和“季节性差分”（0–1）。保持勾选“偏自相关”以输出 PACF，然后点击“运行”。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
48 个模拟月度数据（2022 年 1 月至 2025 年 12 月），为某品牌追踪指标的百分比：起点 40，每月上升 0.25 个百分点，叠加 12 月最高、7 月最低的固定季节模式，以及由固定随机种子生成的正态噪声（标准差 1.1），每次构建得到相同序列。
| 滞后 | 自相关 | 标准误 | Box-Ljung 统计 | 自由度 | 显著性 |
|---|---|---|---|---|---|
| 1 | 0.809 | 0.140 | 33.417 | 1 | <.001 |
| 2 | 0.642 | 0.138 | 54.895 | 2 | <.001 |
| 3 | 0.502 | 0.137 | 68.348 | 3 | <.001 |
| 6 | 0.223 | 0.132 | 83.223 | 6 | <.001 |
| 11 | 0.365 | 0.124 | 109.670 | 11 | <.001 |
| 12 | 0.374 | 0.122 | 118.981 | 12 | <.001 |
列出 12 个滞后中的部分滞后。标准误假定独立（白噪声）；未做差分。
| 滞后 | 偏自相关 | 标准误 |
|---|---|---|
| 1 | 0.809 | 0.144 |
| 2 | −0.037 | 0.144 |
| 3 | −0.018 | 0.144 |
| 6 | −0.011 | 0.144 |
| 11 | 0.083 | 0.144 |
| 12 | 0.020 | 0.144 |
结果解读
滞后 1 的自相关为 0.809，远大于其标准误 0.140；滞后 12 处的 Box-Ljung Q 为 118.98（p < .001），说明序列显然不是白噪声。趋势导致的缓慢衰减，以及滞后 6（0.223）与滞后 12（0.374）之间的起伏，提示在确定 ARIMA 阶数之前需要差分并加入季节项。
输出表格说明
- 自相关
- 每个滞后阶的自相关、标准误、Box-Ljung 统计量、自由度和显著性。Box-Ljung 显著表示到该滞后为止的自相关整体不为零。
- 偏自相关
- 每个滞后阶的偏自相关，标准误为 1/√n；超出约 ±2 倍标准误的值较为突出。
- ACF 及 95% 界限
- 带 ±1.96 倍标准误界限的 ACF 和 PACF 相关图，界限按所选标准误方法计算。
前提假设与注意事项
- 序列平稳（或已通过差分变为平稳）；对带趋势的序列，ACF 主要反映趋势。
- 时间点等间隔；缺失时间点按 Cryer 公式处理，滞后乘积只使用可用的数据对。
- Box-Ljung 检验依赖渐近卡方近似，对短序列只是粗略近似。
结果如何验证
在一个 72 个月的季节序列和一个 ARMA(1,1) 序列上，自相关和白噪声标准误与 statsmodels acf 的误差在 1e-12 以内，Bartlett 标准误和 Box-Ljung 统计量（acorr_ljungbox）在 1e-10 以内，p 值在 1e-8 以内，PACF（Levinson-Durbin 法）在 1e-10 以内。含缺失值时，按 Cryer 公式得到的自相关与独立的 numpy 实现及 statsmodels 的误差均在 1e-12 以内，Box-Ljung 统计量与 numpy 实现的误差在 1e-10 以内。 验证证据（英文）
常见问题
选白噪声标准误还是 Bartlett 标准误？
白噪声标准误把每个滞后与纯噪声比较，是 SPSS 的默认值。Bartlett 近似假定到前一滞后为止是 MA 过程，因此在判断 ACF 何处截尾时更可靠。
看 ACF 前要先差分吗？
如果 ACF 在很多滞后上都保持较高，就需要：把“差分”设为 1 后再看。若季节模式持续存在，再加 1 次“季节性差分”。
应显示多少个滞后？
SPSS 默认的 16 适合非季节数据。月度数据至少用 24 或 36 才能看到季节滞后；滞后数一般不宜超过序列长度的四分之一。
为什么某些滞后的 Box-Ljung 自由度为空？
对已拟合模型的残差计算 ACF 时，自由度要减去 AR 和 MA 参数个数，因此前几个滞后没有有效检验。对原始序列，自由度等于滞后数。
相关过程
用你自己的数据运行自相关与偏自相关（ACF/PACF）
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。