Autokorrelation er en statistisk metode, der anvendes til tidsserie-analyse. Formålet er at måle sammenhængen mellem to værdier i det samme datasæt ved forskellige tidstrin. Selvom tidsdataene ikke bruges til beregnet autokorrelation, skal dine tidsintervaller være ens for at få meningsfulde resultater. Autokorrelationskoefficienten tjener to formål. Det kan registrere ikke-tilfældighed i et datasæt. Hvis værdierne i datasættet ikke er tilfældige, kan autokorrelation hjælpe analytikeren med at vælge en passende tidsseriemodel.
Beregn gennemsnit eller gennemsnit for de data, du analyserer. Gennemsnittet er summen af alle dataværdier divideret med antallet af dataværdier (n).
Beslut en tidsforsinkelse (k) til din beregning. Forsinkelsesværdien er et heltal, der angiver, hvor mange tidstrin der adskiller en værdi fra en anden. F.eks. Er forsinkelsen mellem (y1, t1) og (y6, t6) fem, fordi der er 6 - 1 = 5 tidstrin mellem de to værdier. Når du tester for tilfældighed, beregner du normalt kun en autokorrelationskoefficient ved hjælp af lag k = 1, selvom andre lagværdier også fungerer. Når du bestemmer en passende tidsseriemodel, skal du beregne en række autokorrelationsværdier ved hjælp af en anden forsinkelsesværdi for hver.
Beregn autokovariansfunktionen ved hjælp af den givne formel. Er du for eksempel ved at beregne den tredje iteration (i = 3) ved hjælp af et lag k = 7, så vil beregningen for den iteration se ud dette: (y3 - y-bar) (y10 - y-bar) Iterer gennem alle værdier af "i" og tag derefter summen og divider den med antallet af værdier i dataene sæt.
Beregn variansfunktionen ved hjælp af den givne formel. Beregningen svarer til autokovariansfunktionens, men forsinkelse bruges ikke.
Del autokovariansfunktionen med variansfunktionen for at få autokorrelationskoefficienten. Du kan omgå dette trin ved at dele formlerne for de to funktioner som vist, men mange gange har du brug for det autokovariansen og variansen til andre formål, så det er praktisk at beregne dem individuelt som godt.