Autokorrelation ist eine statistische Methode zur Zeitreihenanalyse. Der Zweck besteht darin, die Korrelation zweier Werte im gleichen Datensatz zu unterschiedlichen Zeitschritten zu messen. Obwohl die Zeitdaten nicht zur Berechnung der Autokorrelation verwendet werden, sollten Ihre Zeitinkremente gleich sein, um aussagekräftige Ergebnisse zu erhalten. Der Autokorrelationskoeffizient dient zwei Zwecken. Es kann Nicht-Zufälligkeiten in einem Datensatz erkennen. Wenn die Werte im Datensatz nicht zufällig sind, kann die Autokorrelation dem Analysten bei der Auswahl eines geeigneten Zeitreihenmodells helfen.
Berechnen Sie den Mittelwert oder Durchschnitt für die Daten, die Sie analysieren. Der Mittelwert ist die Summe aller Datenwerte geteilt durch die Anzahl der Datenwerte (n).
Entscheiden Sie sich für eine Zeitverzögerung (k) für Ihre Berechnung. Der Verzögerungswert ist eine ganze Zahl, die angibt, wie viele Zeitschritte einen Wert von einem anderen trennen. Beispielsweise beträgt die Verzögerung zwischen (y1, t1) und (y6, t6) fünf, da zwischen den beiden Werten 6 - 1 = 5 Zeitschritte liegen. Beim Testen auf Zufälligkeit berechnen Sie normalerweise nur einen Autokorrelationskoeffizienten mit Lag k=1, obwohl auch andere Lag-Werte funktionieren. Wenn Sie ein geeignetes Zeitreihenmodell bestimmen, müssen Sie eine Reihe von Autokorrelationswerten berechnen, wobei Sie jeweils einen anderen Verzögerungswert verwenden.
Berechnen Sie die Autokovarianzfunktion mit der angegebenen Formel. Wenn Sie beispielsweise die dritte Iteration (i = 3) mit einer Verzögerung k = 7 berechnen, dann würde die Berechnung für diese Iteration wie folgt aussehen: dies: (y3 - y-bar)(y10 - y-bar) Iteriere alle Werte von "i" und nimm dann die Summe und dividiere sie durch die Anzahl der Werte in den Daten einstellen.
Berechnen Sie die Varianzfunktion mit der angegebenen Formel. Die Berechnung ähnelt der der Autokovarianzfunktion, jedoch wird keine Verzögerung verwendet.
Teilen Sie die Autokovarianzfunktion durch die Varianzfunktion, um den Autokorrelationskoeffizienten zu erhalten. Sie können diesen Schritt umgehen, indem Sie die Formeln für die beiden Funktionen wie gezeigt teilen, aber oft benötigen Sie die Autokovarianz und die Varianz für andere Zwecke, daher ist es sinnvoll, sie einzeln zu berechnen als Gut.