滞后影响分析 (Lag) 会员专享
⏳ 这是什么？
大部分相关性分析都默认一件事：两个变量是同一时刻的。
但在真实产线上，因果关系往往是有延迟的——你今天调了进料量，可能要两个小时之后才能从产品质量上看到反应。
滞后影响分析就是用来回答这个问题的：
"源变量的变化，要过多少步（或多久），才会体现在目标变量上？"
🧐 怎么看？
图表标题形如 目标变量 ➔ 源变量 (Lag: 20)，展示目标变量与各源变量在不同滞后步长下的相关性强度。
- 横轴：滞后步长（从 0 到设定的最大滞后步长）
- 纵轴：相关系数（或相关强度）
- 每条曲线：一个源变量与目标变量的滞后相关关系
关键读法：
| 现象 | 含义 |
|---|---|
| 曲线在 Lag = 0 处最高 | 两个变量同步变化，没有明显滞后 |
| 曲线峰值出现在 Lag = k 处 | 源变量领先目标变量 k 步——存在传导延迟 |
| 曲线整体平缓没有明显峰 | 两者关系不明确，或滞后窗口没覆盖到真实延迟 |
| 曲线出现负相关峰 | 该变量与目标反向变化 |
💡 找到峰值的那个 Lag，就是工艺上的"传导时间"。例如发现"进料量"在 Lag=12 处相关性最强，若采样间隔是 10 分钟， 说明进料调整大约需要 2 小时才反映到质量指标上。
🛠️ 怎么用？
配置项
| 配置项 | 说明 |
|---|---|
| 目标变量 (Target) | 你要观察的"结果"变量，单选 |
| 源变量 (Source) | 可能领先于目标的变量，支持多选 |
| 最大滞后步长 (Max Lag) | 向前回溯多少个时间步，范围 1 ~ 300，默认 20 |
选好后点击 绘制 生成图表。
💡 最大滞后步长怎么设？ 先按业务经验估一个上限（"这个工序最多延迟多久？"），换算成采样步数再适当放大。 设得太小会错过真实峰值，设得太大则噪声变多、计算变慢。
⚠️ 使用前提（重要）
本图表要求模型在创建时选择了「不随机」划分数据集。
原因是：滞后分析的立论基础是时间顺序。如果数据被打乱（shuffle = true），"第 k 步之前"就失去了物理意义，滞后相关性也就无从谈起。
处理方法：
- 回到 第一步：数据准备，检查「是否随机」选择
- 如果当前是"随机"，需要新建一个"不随机"的模型再使用本图表
- 图表也会在条件不满足时给出提示
🎯 典型用法
- 定位工艺传导延迟：为前馈控制、软测量建模提供滞后参数
- 排查"调了没反应"：确认是不是延迟太长，操作工等不及就重复调整了
- 时序对齐：在建立动态模型前，先把各变量按各自的最优 Lag 对齐
💡 分析结果可直接用于 工业控制系统 中的 APC/RTO 建模—— 动态 MPC 需要明确的滞后时间来建立预测模型。