Autocorrélation est une méthode statistique utilisée pour l'analyse des séries chronologiques. Le but est de mesurer la corrélation de deux valeurs dans fixées à différentes étapes de temps les mêmes données. Bien que les données de temps ne sert pas à autocorrélation calculée, vos incréments de temps doivent être égales afin d'obtenir des résultats significatifs. Le coefficient d'auto-corrélation sert à deux fins. Il peut détecter non-aléatoire dans un ensemble de données. Si les valeurs de l'ensemble de données ne sont pas aléatoires, puis autocorrélation peut aider l'analyste a choisi un modèle de série de temps approprié.
Calculer la moyenne, ou moyenne, pour les données que vous analysez. La moyenne est la somme de toutes les valeurs de données divisée par le nombre de valeurs de données (n).
Décider d'un décalage dans le temps (k) pour votre calcul. La valeur de retard est un entier indiquant le nombre de pas de temps séparent une valeur d'un autre. Par exemple, le décalage entre (y1, t1) et (y6, t6) est de cinq, car il ya 6 - 1 = 5 étapes de temps entre les deux valeurs. Lors de l'essai pour le hasard, vous aurez généralement seulement de calculer un coefficient d'autocorrélation en utilisant décalage k = 1, bien que d'autres valeurs de retard vont également travailler. Lorsque vous déterminez un modèle de série moment opportun, vous aurez besoin de calculer une série de valeurs d'auto-corrélation, en utilisant une valeur de retard différent pour chacun.
Calculer la fonction d'autocovariance en utilisant la formule donnée. Par exemple, est que vous calculez la troisième itération (i = 3) en utilisant un décalage k = 7, puis le calcul pour cette itération devrait ressembler à ceci:
(Y3 - y-bar) (Y10 - y-bar)
Itérer sur toutes les valeurs de "Je" et ensuite prendre la somme et le diviser par le nombre de valeurs dans l'ensemble de données.
Calculer la fonction de variance en utilisant la formule donnée. Le calcul est similaire à celle de la fonction d'autocovariance, mais retard est pas utilisé.
Divisez la fonction d'autocovariance par la fonction de variance pour obtenir le coefficient d'auto-corrélation. Vous pouvez ignorer cette étape en divisant les formules pour les deux fonctions, comme indiqué, mais de nombreuses fois, vous aurez besoin de l'autocovariance et la variance à d'autres fins, il est donc pratique pour les calculer individuellement aussi bien.