在ARIMA模型中， PAC只有三项数据

在ARIMA模型中，PAC指的是偏自相关系数函数（Partial Autocorrelation Function），它反映了时间序列中某个时刻与其前面时刻的相关性，消除了其他时刻的影响。偏自相关系数函数与自相关系数函数（ACF）一样，可以用于确定ARIMA模型的阶数，即ARIMA(p,d,q)模型中的p值。

PAC函数的取值范围在-1和1之间，可以通过计算样本偏自相关系数来估计总体偏自相关系数。通常情况下，PAC函数的取值范围应该与时间序列的长度相同，即如果时间序列的长度为n，则PAC函数应该有n个数据点。

因此，如果在ARIMA模型中，PAC只有三项数据，可能是因为时间序列的长度较短，或者PAC函数的计算方法有误。在实际应用中，应该根据时间序列的特点和需要选择合适的模型，并且通过交叉验证等方法来评估模型的性能。