L'autocorrelazione è un metodo statistico utilizzato per l'analisi delle serie temporali. Lo scopo è misurare la correlazione di due valori nello stesso set di dati in diverse fasi temporali. Sebbene i dati temporali non vengano utilizzati per l'autocorrelazione calcolata, gli incrementi di tempo dovrebbero essere uguali per ottenere risultati significativi. Il coefficiente di autocorrelazione serve a due scopi. Può rilevare la non casualità in un set di dati. Se i valori nel set di dati non sono casuali, l'autocorrelazione può aiutare l'analista a scegliere un modello di serie temporale appropriato.
Calcola la media, o media, dei dati che stai analizzando. La media è la somma di tutti i valori dei dati divisa per il numero dei valori dei dati (n).
Decidi un intervallo di tempo (k) per il tuo calcolo. Il valore di ritardo è un numero intero che indica quanti passaggi temporali separano un valore da un altro. Ad esempio, il ritardo tra (y1, t1) e (y6, t6) è cinque, perché ci sono 6 - 1 = 5 intervalli di tempo tra i due valori. Quando si esegue il test per la casualità, di solito si calcola solo un coefficiente di autocorrelazione utilizzando il ritardo k=1, sebbene funzioneranno anche altri valori di ritardo. Quando si determina un modello di serie temporale appropriato, sarà necessario calcolare una serie di valori di autocorrelazione, utilizzando un valore di ritardo diverso per ciascuno.
Calcola la funzione di autocovarianza usando la formula data. Ad esempio, se stavi calcolando la terza iterazione (i = 3) usando un ritardo k = 7, il calcolo per quell'iterazione sarebbe simile questo: (y3 - y-bar)(y10 - y-bar) Iterare su tutti i valori di "i" e poi prendere la somma e dividerla per il numero di valori nei dati impostato.
Calcolare la funzione di varianza utilizzando la formula data. Il calcolo è simile a quello della funzione di autocovarianza, ma il ritardo non viene utilizzato.
Dividere la funzione di autocovarianza per la funzione di varianza per ottenere il coefficiente di autocorrelazione. È possibile ignorare questo passaggio dividendo le formule per le due funzioni come mostrato, ma molte volte sarà necessario l'autocovarianza e la varianza per altri scopi, quindi è pratico calcolarle individualmente come bene.