滞后
滞后把按时间顺序排列的数值列向下移动 1 至 365 行;前 k 行显示星号。不做任何估计,滞后列与工作表的其余部分逐行对齐。可用它检验上一期的输入是否与今天的结果有关,或构建滞后回归项。输出为两个序列的图形和滞后值表。
最后审阅
核心要点
滞后把时间序列向下移动设定的行数,使每一行显示 k 期之前的值,用于检验延迟效应,或为回归模型构建滞后输入。
用途
滞后把序列向下移动设定的行数,使每一行显示 k 期之前的值。它把上个月(或上一批、上一班次)的值放在本期的值旁边。可用它检验延迟效应,例如上个月的广告投入、上一班次的温度或上一批原料的特性是否与今天的结果有关,或为回归模型构建滞后输入。
主要功能
- 滞后 1 至 365 行。
- 原序列与滞后序列绘于同一图中,使平移清晰可见。
- 表中含每一行的行号、原值和滞后值;前 k 行显示 *。
- 保留缺口位置:缺失值在其平移后的位置仍为缺失。
统计方法
对序列 y₁ … yₙ 和滞后 k,第 t 行的滞后值为 yₜ₋ₖ(t = k + 1 … n);前 k 行没有更早的值,显示为 *。不做任何估计:该列只是被平移,因此滞后列与原列长度相同,并与工作表的其他列逐行对齐。序列需要多于 k 个值。
滞后是分析之前的一个步骤,本身不是检验。把输出与滞后的输入做相关(或对其回归),衡量的是延迟关系;序列与其滞后 1 之差即一阶差分(见 Differences 工具)。若要一次查看多个滞后期的相关,请使用互相关函数;若要看序列与其自身过去的关系,请使用自相关函数。当输入和输出都有趋势或遵循相同的季节性时,它们在每个滞后期都相关,因此应比较同期相关和滞后相关,而不是孤立地解读其中任何一个。
输入字段和选项
字段 | 说明 |
Variable | 必填。要平移的数值列,按时间顺序排列。 |
Lag | 必填,1 至 365,默认 1。序列向下平移的行数。 |
Title | 图形上显示的标题。默认为 Lag。 |

图 1 — 滞后一个月的 Advertising Spend。
输出说明
- Lag (graph) — 原序列(实线)和滞后序列(虚线)对行索引的图形。
- Lagged Values (table) — 每一行的 Row、原列和 Lag k。
- 通过 Download 导出 PDF。

图 2 — 每月广告投入及平移一个月后的同一序列;第 2 行显示 1 月的 30.6。
计算示例
某消费电子产品经销商记录了 2020 年 1 月至 2024 年 12 月每个月的销量和广告投入(千美元)。营销经理想知道广告是当月见效还是有延迟。为检验延迟效应,分析人员需要把上个月的投入放在本月销量旁边。分析人员选择 Variable = Advertising Spend,Lag = 1。
第 1 行显示 *,因为没有 2019 年 12 月;第 2 行(2020 年 2 月)显示 1 月的 30.6,第 3 行显示 2 月的 33.9,依此类推。在图上,虚线的滞后线比实线晚一个月,而每年 12 月到 1 月的投入下降(每年从 13.4 降到 15.6 千美元)在滞后列中晚一个月出现。
把 59 个完整行与 Sales 做相关,上个月投入的相关系数为 0.81,当月投入为 0.93。大部分关联发生在当月之内;延迟效应即使存在也较弱,这与两个序列的互相关函数相符。就决策而言,销量模型应从当月投入入手;然后可把滞后列作为额外项尝试,看它是否带来增益。若取 Lag = 12,则每个月改为与上一年的同一个月对齐。
常见问题
滞后对时间序列做了什么?
滞后把序列向下移动 k 行,因此第 t 行的滞后值就是第 t 减 k 行的原值。前 k 行没有更早的值,显示为星号。不做任何估计:滞后列与原列长度相同,并与其他列逐行对齐。
什么情况下应使用滞后变量?
使用滞后来检验延迟效应,例如上个月的广告投入、上一班次的温度或上一批原料的特性是否与今天的结果有关,或为回归模型构建滞后输入。滞后是分析之前的一个步骤,本身不是检验。
如何一次检验多个滞后期的关系?
使用互相关函数可一次查看两个序列在多个滞后期的相关,使用自相关函数则可查看序列与其自身过去的关系。当输入和输出都有趋势或共享季节性时,它们在每个滞后期都相关,因此应比较同期相关和滞后相关,而不是只看其中一个。
滞后与一阶差分有什么区别?
滞后平移序列,使较早的值与当前值并排。一阶差分是序列与其滞后 1 之差,由 Differences 工具计算。在广告示例中,Lag = 1 把上个月的投入放在本月销量旁边,而 Lag = 12 则会把每个月与上一年的同一个月对齐。
