我对 90 名参与者进行了一项研究，他们暴露在电影刺激下 60 分钟，并连续测量他们的生理反应。我想测试这种心理反应与刺激的另一个连续测量的视觉特征之间的因果关系。生理学每秒测量 15 次，视觉特征每秒测量 1 次。
我认为我需要使用互相关，并且我在 SPSS 中找到了一个函数（我只能使用 SPSS，而且我没有数学背景）。由于我是时间序列分析的初学者，我想知道：
您可能希望计算残差自相关函数 (RACF)，也称为残差互相关函数，它是两个不同时间序列的拟合模型残差的自相关函数（使用 ARMA 模型拟合，自回归移动平均楷模）。计算将产生一个图表，显示两个输入 X 和 Y 之间是否存在因果关系，以及它的显着滞后程度。
为了正确拟合 ARMA 模型，我们做了一些假设。该模型应该是静止的，因此您可能需要在拟合中使用差分 ARMA 模型（请参阅 ARIMA）。拟合 ARMA 模型时也有通常的假设，例如数据的正态性、iid、恒定方差。在继续之前，您应该在您的数据中检查这些；如果需要，您可以对数据进行一些转换，以帮助使它们更正常（例如 Box-Cox）。
教科书方面，我跟这位教授上过一门课，觉得这本书很有帮助。该链接不再有效，但您可能会在某处找到另一个副本。 http://www.systems.uwaterloo.ca/Faculty/Hipel/Time%20Series%20Book.htm
希望有帮助。恐怕我不在 SPSS 中工作，所以我无法帮助你（我自己在 R 中工作）。如果您能找到一种方法在 SPSS 中拟合 ARMA 模型并获得残差，那么您应该能够对残差使用互相关函数进行统计。
祝你好运！