Otokorelasyon, zaman serileri analizi için kullanılan istatistiksel bir yöntemdir. Amaç, aynı veri setindeki iki değerin farklı zaman adımlarında korelasyonunu ölçmektir. Zaman verileri hesaplanan otokorelasyon için kullanılmasa da, anlamlı sonuçlar elde etmek için zaman artışlarınız eşit olmalıdır. Otokorelasyon katsayısı iki amaca hizmet eder. Bir veri kümesindeki rastgele olmayanlığı algılayabilir. Veri setindeki değerler rastgele değilse, otokorelasyon analistin uygun bir zaman serisi modeli seçmesine yardımcı olabilir.
Analiz ettiğiniz veriler için ortalamayı veya ortalamayı hesaplayın. Ortalama, tüm veri değerlerinin toplamının veri değerlerinin sayısına bölünmesidir (n).
Hesaplamanız için bir gecikme süresi (k) belirleyin. Gecikme değeri, bir değeri diğerinden kaç zaman adımının ayırdığını gösteren bir tamsayıdır. Örneğin (y1, t1) ve (y6, t6) arasındaki gecikme beştir, çünkü iki değer arasında 6 - 1 = 5 zaman adımı vardır. Rastgeleliği test ederken, diğer gecikme değerleri de işe yarasa da, genellikle gecikme k=1 kullanarak yalnızca bir otokorelasyon katsayısı hesaplarsınız. Uygun bir zaman serisi modeli belirlerken, her biri için farklı bir gecikme değeri kullanarak bir dizi otokorelasyon değeri hesaplamanız gerekecektir.
Verilen formülü kullanarak otokovaryans fonksiyonunu hesaplayın. Örneğin, üçüncü yinelemeyi (i = 3) bir gecikme k = 7 kullanarak mı hesaplıyorsunuz, o zaman bu yineleme için hesaplama şöyle görünürdü: bu: (y3 - y-bar)(y10 - y-bar) "i"nin tüm değerlerini yineleyin ve ardından toplamı alın ve verideki değerlerin sayısına bölün Ayarlamak.
Verilen formülü kullanarak varyans fonksiyonunu hesaplayın. Hesaplama, otokovaryans fonksiyonuna benzer, ancak gecikme kullanılmaz.
Otokorelasyon katsayısını elde etmek için otokovaryans fonksiyonunu varyans fonksiyonuna bölün. Bu adımı, iki işlevin formüllerini gösterildiği gibi bölerek atlayabilirsiniz, ancak çoğu zaman, otokovaryans ve diğer amaçlar için varyans, bu nedenle bunları ayrı ayrı hesaplamak pratiktir. iyi.