落後
落後把按時間順序排列的數值欄向下移動 1 至 365 列;前 k 列顯示星號。不做任何估計,落後欄與工作表的其餘部分逐列對齊。可用它檢定上一期的輸入是否與今天的結果有關,或構建落後迴歸項。輸出為兩個序列的圖形和落後值表。
最後審閱
核心要點
落後把時間序列向下移動設定的列數,使每一列顯示 k 期之前的值,用於檢定延遲效應,或為迴歸模型構建落後輸入。
用途
落後把序列向下移動設定的列數,使每一列顯示 k 期之前的值。它把上個月(或上一批、上一班次)的值放在本期的值旁邊。可用它檢定延遲效應,例如上個月的廣告投入、上一班次的溫度或上一批原料的特性是否與今天的結果有關,或為迴歸模型構建落後輸入。
主要功能
- 落後 1 至 365 列。
- 原序列與落後序列繪於同一圖中,使平移清晰可見。
- 表中含每一列的列號、原值和落後值;前 k 列顯示 *。
- 保留缺口位置:遺漏值在其平移後的位置仍為遺漏。
統計方法
對序列 y₁ … yₙ 和落後 k,第 t 列的落後值為 yₜ₋ₖ(t = k + 1 … n);前 k 列沒有更早的值,顯示為 *。不做任何估計:該欄只是被平移,因此落後欄與原欄長度相同,並與工作表的其他欄逐列對齊。序列需要多於 k 個值。
落後是分析之前的一個步驟,本身不是檢定。把輸出與落後的輸入做相關(或對其迴歸),衡量的是延遲關係;序列與其落後 1 之差即一階差分(見 Differences 工具)。若要一次檢視多個落後期的相關,請使用交叉相關函數;若要看序列與其自身過去的關係,請使用自我相關函數。當輸入和輸出都有趨勢或遵循相同的季節性時,它們在每個落後期都相關,因此應比較同期相關和落後相關,而不是孤立地解讀其中任何一個。
輸入欄位和選項
欄位 | 說明 |
Variable | 必填。要平移的數值欄,按時間順序排列。 |
Lag | 必填,1 至 365,預設 1。序列向下平移的列數。 |
Title | 圖形上顯示的標題。預設為 Lag。 |

圖 1 — 落後一個月的 Advertising Spend。
輸出說明
- Lag (graph) — 原序列(實線)和落後序列(虛線)對列索引的圖形。
- Lagged Values (table) — 每一列的 Row、原欄和 Lag k。
- 透過 Download 匯出 PDF。

圖 2 — 每月廣告投入及平移一個月後的同一序列;第 2 列顯示 1 月的 30.6。
計算範例
某消費電子產品經銷商記錄了 2020 年 1 月至 2024 年 12 月每個月的銷量和廣告投入(千美元)。行銷經理想知道廣告是當月見效還是有延遲。為檢定延遲效應,分析人員需要把上個月的投入放在本月銷量旁邊。分析人員選擇 Variable = Advertising Spend,Lag = 1。
第 1 列顯示 *,因為沒有 2019 年 12 月;第 2 列(2020 年 2 月)顯示 1 月的 30.6,第 3 列顯示 2 月的 33.9,依此類推。在圖上,虛線的落後線比實線晚一個月,而每年 12 月到 1 月的投入下降(每年從 13.4 降到 15.6 千美元)在落後欄中晚一個月出現。
把 59 個完整列與 Sales 做相關,上個月投入的相關係數為 0.81,當月投入為 0.93。大部分關聯發生在當月之內;延遲效應即使存在也較弱,這與兩個序列的交叉相關函數相符。就決策而言,銷量模型應從當月投入入手;然後可把落後欄作為額外項嘗試,看它是否帶來增益。若取 Lag = 12,則每個月改為與上一年的同一個月對齊。
常見問題
落後對時間序列做了什麼?
落後把序列向下移動 k 列,因此第 t 列的落後值就是第 t 減 k 列的原值。前 k 列沒有更早的值,顯示為星號。不做任何估計:落後欄與原欄長度相同,並與其他欄逐列對齊。
什麼情況下應使用落後變數?
使用落後來檢定延遲效應,例如上個月的廣告投入、上一班次的溫度或上一批原料的特性是否與今天的結果有關,或為迴歸模型構建落後輸入。落後是分析之前的一個步驟,本身不是檢定。
如何一次檢定多個落後期的關係?
使用交叉相關函數可一次檢視兩個序列在多個落後期的相關,使用自我相關函數則可檢視序列與其自身過去的關係。當輸入和輸出都有趨勢或共享季節性時,它們在每個落後期都相關,因此應比較同期相關和落後相關,而不是只看其中一個。
落後與一階差分有什麼區別?
落後平移序列,使較早的值與當前值並排。一階差分是序列與其落後 1 之差,由 Differences 工具計算。在廣告範例中,Lag = 1 把上個月的投入放在本月銷量旁邊,而 Lag = 12 則會把每個月與上一年的同一個月對齊。
