对于固定的时间序列，移动平均模型将时间“ t”处的变量值视为来自其前“ q”个时间步长的残差线性函数。通过将时间“ t”处的值与先前值的移动平均值进行比较，可以计算出残余误差。

数学上可以写成-

$$ y_ {t} = c \：+ \：\ epsilon_ {t} \：+ \：\ theta_ {1} \：\ epsilon_ {t-1} \：+ \：\ theta_ {2} \：\ epsilon_ {t-2} \：+ \：… +：\ theta_ {q} \：\ epsilon_ {tq} \：$$

其中“ q”是移动平均趋势参数

$ \ epsilon_ {t} $是白噪声，并且

$ \ epsilon_ {t-1}，\ epsilon_ {t-2} … \ epsilon_ {tq} $是先前时间段的误差项。

可以使用多种方法来校准“ q”的值。找到“ q”的合适值的一种方法是绘制局部自相关图。

部分自相关图显示了变量在先前时间步长上与自身之间的关系，其中间接相关性已删除，这与自相关图显示了直接相关性和间接相关性不同，让我们来看一下“温度”变量的样子数据。

显示PACP

在[143]中：

from statsmodels.graphics.tsaplots import plot_pacf

plot_pacf(train, lags = 100)
plt.show()

以与相关图相同的方式读取部分自相关。