Како израчунати коефицијент аутокорелације

Аутокорелација је статистичка метода која се користи за анализу временских серија. Сврха је мерење корелације две вредности у истом скупу података у различитим временским корацима. Иако се подаци о времену не користе за израчунавање аутокорелације, ваши временски прираштаји требају бити једнаки како би се добили значајни резултати. Коефицијент аутокорелације служи у две сврхе. Може да открије не-случајност у скупу података. Ако вредности у скупу података нису случајне, тада аутокорелација може помоћи аналитичару да одабере одговарајући модел временских серија.

Израчунајте средњу вредност или просек података које анализирате. Средња вредност је збир свих вредности података подељен бројем вредности података (н).

Одлучите се за временски одмак (к) за ваш прорачун. Вредност заостајања је цео број који означава колико временских корака одваја једну вредност од друге. На пример, заостајање између (и1, т1) и (и6, т6) је пет, јер између две вредности постоји 6 - 1 = 5 временских корака. Када тестирате случајност, обично ћете израчунати само један коефицијент аутокорелације користећи заостајање к = 1, мада ће друге вредности заостајања такође функционисати. Када утврђујете одговарајући модел временских серија, мораћете да израчунате низ вредности аутокорелације, користећи различиту вредност заостајања за сваку.

instagram story viewer

Израчунајте функцију аутоковаријанце помоћу дате формуле. На пример, да ли сте израчунавали трећу итерацију (и = 3) користећи заостајање к = 7, тада би прорачун за ту итерацију изгледао као ово: (и3 - и-бар) (и10 - и-бар) Прелистајте све вредности „и“, а затим узмите збир и поделите га бројем вредности у подацима комплет.

Израчунајте функцију варијансе помоћу дате формуле. Израчун је сличан прорачуну функције аутоковаријанце, али се заостајање не користи.

Поделите функцију аутоковаријанце са функцијом варијансе да бисте добили коефицијент аутокорелације. Овај корак можете заобићи тако што ћете формуле за две функције поделити као што је приказано, али много пута ће вам требати аутоковаријанцију и варијансу за друге сврхе, па је практично израчунати их појединачно као па.

Teachs.ru
  • Објави
instagram viewer