时间序列分析中的相关图是一种图形表示，用于显示时间序列在不同时间滞后处的观测值之间的相关性。从本质上讲，它可以帮助您识别和可视化数据集在一个时间点的值与另一个时间点的值之间的关系，这对于理解底层模式至关重要。简单来说，它告诉你一个序列的过去值可以预测未来值的程度，帮助发现数据随时间变化的关系。
相关图最常见的形式是自相关函数 (ACF) 图，它显示时间序列与其滞后值之间的相关系数。例如，如果您有零售业务的月度销售数据，则相关图可以帮助您查看一个月的销售额与前几个月的销售额之间的关系。滞后一个月的强相关性可能表明销售受到上个月业绩的影响。如果你观察到随着滞后的增加，相关性逐渐下降，这表明时间序列表现出一些可能与预测相关的时间结构。
开发人员可以使用相关图来告知建模选择并提高预测准确性。他们可以确定移动平均或自回归模型是否适合他们的时间序列。此外，相关图可以突出季节性或周期性模式。例如，如果销售数据集在年度滞后时显示出显着的相关性，则这可能表明存在季节性趋势。通过在应用ARIMA或时间序列季节性分解 (STL) 等预测方法之前评估相关图，开发人员可以微调他们的分析，从而根据数据的固有属性获得更好的见解和预测。