Autokorelácia je štatistická metóda používaná na analýzu časových radov. Účelom je zmerať koreláciu dvoch hodnôt v rovnakom súbore údajov v rôznych časových krokoch. Aj keď sa časové údaje nepoužívajú na výpočet autokorelácie, vaše časové prírastky by mali byť rovnaké, aby ste dosiahli zmysluplné výsledky. Autokorelačný koeficient slúži na dva účely. Môže detekovať nenáhodnosť v sade údajov. Ak hodnoty v množine údajov nie sú náhodné, potom autokorelácia môže pomôcť analytikovi zvoliť vhodný model časových radov.
Vypočítajte priemer alebo priemer údajov, ktoré analyzujete. Priemer je súčet všetkých dátových hodnôt vydelený počtom dátových hodnôt (n).
Rozhodnite sa pre časový posun (k) pre váš výpočet. Hodnota oneskorenia je celé číslo, ktoré označuje, koľko časových krokov oddeľuje jednu hodnotu od druhej. Napríklad oneskorenie medzi (y1, t1) a (y6, t6) je päť, pretože medzi týmito dvoma hodnotami je 6 - 1 = 5 časových krokov. Pri testovaní náhodnosti zvyčajne vypočítate iba jeden autokorelačný koeficient pomocou oneskorenia k = 1, hoci budú fungovať aj iné hodnoty oneskorenia. Pri určovaní vhodného modelu časových radov budete musieť vypočítať sériu autokorelačných hodnôt, pričom pre každú z nich použijete inú hodnotu oneskorenia.
Pomocou uvedeného vzorca vypočítajte funkciu autokonverzie. Napríklad, vypočítavate tretiu iteráciu (i = 3) pomocou oneskorenia k = 7, potom by výpočet tejto iterácie vyzeral takto toto: (y3 - y-bar) (y10 - y-bar) Iterácia cez všetky hodnoty "i" a potom vziať súčet a vydeliť ich počtom hodnôt v dátach nastaviť.
Pomocou uvedeného vzorca vypočítajte funkciu rozptylu. Výpočet je podobný ako pri funkcii autokovariancie, ale oneskorenie sa nepoužíva.
Ak chcete získať koeficient autokorelácie, vydeľte funkciu autovariancie funkciou variancia. Tento krok môžete obísť rozdelením vzorcov pre dve funkcie, ako je to znázornené, ale mnohokrát budete potrebovať autokonverziu a rozptyl na iné účely, takže je praktické ich vypočítať jednotlivo ako dobre.