Autokorrelation är en statistisk metod som används för tidsserieanalys. Syftet är att mäta sambandet mellan två värden i samma datamängden vid olika tidpunkter steg. Även om tiden uppgifterna inte används för att beräknas autokorrelation bör din tid steg vara lika för att få meningsfulla resultat. Autokorrelationen koefficient tjänar två syften. Den kan upptäcka icke-slumpmässighet i en datamängd. Om värdena i uppsättningen uppgifter inte är slumpmässiga, då autokorrelation kan hjälpa analytiker välja lämplig modell tidsserier.
Du behöver:
penna
. Papper.
Dator /kalkylator (för stora datamängder).
1.
Beräkna medelvärdet eller genomsnittet för de uppgifter du analyserar. Medelvärdet är summan av alla datavärden dividerat med antalet datavärden (n).
2.
Besluta om en fördröjning (k) för beräkningen. Fördröjningen värdet är ett heltal som anger hur många tidssteg separat ett värde från en annan. Till exempel är fördröjningen mellan (Y1, T1) och (Y6, t6) fem, eftersom det finns 6-1=5 tidssteg mellan de två värdena. Vid test för slumpmässighet, kommer du oftast bara beräkna en autokorrelation koefficienten med eftersläpning k=1, men även andra lag värden kommer också att arbeta. När du bestämma en lämplig modell tidsserie, måste du beräkna en rad autokorrelation värden, enligt en annan lag värde för varje.
3.
Beräkna autocovariance funktion med givna formel. Till exempel är du beräkna den tredje iterationen (i=3) med en eftersläpning k=7, då beräkningen för att iterationen skulle se ut så här:
(Y3-Y-bar) (Y10-y-bar )
iterera genom alla värden av "jag" och sedan ta summan och dela det med antalet värden i datamängden.
4.
Beräkna variansen funktion med hjälp av given formel. Beräkningen är liknande den i autocovariance funktion, men släpa inte används.
5.
Dela autocovariance funktion av variationen funktion för att få autokorrelationen koefficient. Du kan förbigå det här steget genom att dividera formlerna för de två funktionerna som visas, men många gånger, behöver du autocovariance och varians för andra ändamål, så det är praktiskt att beräkna dem enskilt också.
