Autokorrelasjon er en statistisk metode som brukes for tidsserie-analyse. Hensikten er å måle korrelasjonen mellom to verdier i det samme datasettet på forskjellige tidstrinn. Selv om tidsdataene ikke brukes til å beregne autokorrelasjon, bør tidsøkningene dine være like for å få meningsfulle resultater. Autokorrelasjonskoeffisienten tjener to formål. Det kan oppdage ikke-tilfeldighet i et datasett. Hvis verdiene i datasettet ikke er tilfeldige, kan autokorrelasjon hjelpe analytikeren til å velge en passende tidsseriemodell.
Beregn gjennomsnittet eller gjennomsnittet for dataene du analyserer. Gjennomsnittet er summen av alle dataverdiene delt på antall dataverdier (n).
Bestem en tidsforsinkelse (k) for beregningen din. Etterslepverdien er et helt tall som angir hvor mange tidstrinn som skiller en verdi fra en annen. For eksempel er etterslepet mellom (y1, t1) og (y6, t6) fem, fordi det er 6 - 1 = 5 tidstrinn mellom de to verdiene. Når du tester for tilfeldighet, vil du vanligvis bare beregne en autokorrelasjonskoeffisient ved å bruke etterslep k = 1, selv om andre forsinkelsesverdier også vil fungere. Når du bestemmer en passende tidsseriemodell, må du beregne en serie autokorrelasjonsverdier ved å bruke en annen etterslepverdi for hver.
Beregn autokovariansfunksjonen ved å bruke den gitte formelen. For eksempel, beregnet du den tredje iterasjonen (i = 3) ved å bruke et etterslep k = 7, så vil beregningen for den iterasjonen se slik ut: (y3 - y-bar) (y10 - y-bar) Iterer gjennom alle verdier på "i" og ta deretter summen og dele den med antall verdier i datasettet.
Beregn variansfunksjonen ved å bruke den gitte formelen. Beregningen er lik den for autokovariansfunksjonen, men forsinkelse brukes ikke.
Del autokovariansfunksjonen med variansfunksjonen for å få autokorrelasjonskoeffisienten. Du kan omgå dette trinnet ved å dele formlene for de to funksjonene som vist, men mange ganger trenger du autokovarians og varians for andre formål, så det er praktisk å beregne dem individuelt også.