为何不同Python库自相关计算结果有差异？哪个结果正确？

问题 #

1. 为何使用不同Python库计算自相关会得到不同结果？
2. 哪个结果是正确的？

Scipy实现代码及输出 #

import numpy as np
from scipy import signal

# 给定数据
data = np.array([1.0, 1.25, 1.5, 1.75, 2.0, 2.25, 3.33])

# 使用scipy的correlate函数计算自相关
autocorrelations = signal.correlate(data, data, mode='full')

# 自相关数组的中间位置索引为len(data)-1
mid_index = len(data) - 1

# 展示滞后lag=1,2,3,4,...的自相关值
print(autocorrelations[mid_index + 1:])

输出：

[21.2425 17.285  13.4525  9.8075  6.4125  3.33  ]

Pandas实现代码及输出 #

import pandas as pd

# 给定数据
data = [1.0, 1.25, 1.5, 1.75, 2.0, 2.25, 3.33]

# 将数据转换为pandas Series
series = pd.Series(data)

# 计算并输出滞后lag=1到数据长度-1的自相关值
for lag in range(0, len(data)):
    print(series.autocorr(lag=lag))

输出：

1.0
0.9374115462038415
0.9287843240596312
0.9260849979667674
0.9407970411588671
0.9999999999999999

Statsmodels实现代码及输出 #

from statsmodels.tsa.stattools import acf

# 给定数据
data = [1.0, 1.25, 1.5, 1.75, 2.0, 2.25, 3.33]

# 使用acf函数计算自相关
autocorrelation = acf(data, nlags=len(data)-1, fft=True)

# 展示滞后lag=1,2,3,4,...的自相关系数
print(autocorrelation)

输出：

[ 1.       0.39072553  0.13718689 -0.08148897 -0.24787067 -0.3445268 -0.35402598]

问题解答 #

1. 结果差异的原因 #

三个库的计算逻辑本质是自相关的不同定义和标准化方式导致的：

• Scipy的signal.correlate：计算的是原始的互相关（自相关是互相关的特例），没有做任何标准化，结果是原始数据的交叉乘积和，数值会随数据尺度变化。
• Pandas的Series.autocorr：计算的是皮尔逊相关系数，用滞后k的协方差除以数据的总体方差，但当lag接近数据长度时，可用样本量极少，会导致结果异常接近1。
• Statsmodels的acf：计算的是时间序列分析中标准的样本自相关系数（ACF），先对数据去均值，再计算滞后k的协方差除以样本方差，还会做自由度校正，结果是标准化后的值，范围在[-1,1]之间。

2. 哪个结果正确？ #

没有绝对的“正确”，取决于使用场景：

• 若需要原始交叉乘积和（比如信号处理场景），Scipy的结果适用；
• 若需要基于皮尔逊相关的自相关，且能接受小样本lag的异常结果，Pandas的结果可用；
• 若做时间序列分析，Statsmodels的ACF结果是统计学上最严谨、行业通用的标准计算方式。

内容的提问来源于stack exchange，提问作者user366312