Autocorrelatie is een statistische methode die wordt gebruikt voor tijdreeksanalyse. Het doel is om de correlatie van twee waarden in dezelfde gegevensverzameling in verschillende tijdstappen te meten. Hoewel de tijdgegevens niet worden gebruikt voor berekende autocorrelatie, moeten uw tijdverhogingen gelijk zijn om zinvolle resultaten te krijgen. De autocorrelatiecoëfficiënt dient twee doelen. Het kan non-randomness in een dataset detecteren. Als de waarden in de gegevensset niet willekeurig zijn, kan autocorrelatie de analist helpen bij het kiezen van een geschikt tijdreeksmodel.

Bereken het gemiddelde of gemiddelde voor de gegevens die u analyseert. Het gemiddelde is de som van alle gegevenswaarden gedeeld door het aantal gegevenswaarden (n).

Bepaal een tijdsverschil (k) voor uw berekening. De lag-waarde is een geheel getal dat aangeeft hoeveel tijdstappen de ene waarde van de andere scheiden. De vertraging tussen (y1, t1) en (y6, t6) is bijvoorbeeld vijf, omdat er 6 - 1 = 5 tijdstappen tussen de twee waarden zijn. Bij het testen op willekeur, berekent u meestal slechts één autocorrelatiecoëfficiënt met behulp van lag k = 1, hoewel andere lag-waarden ook werken. Wanneer u een geschikt tijdreeksmodel bepaalt, moet u een reeks autocorrelatiewaarden berekenen, waarbij u voor elk een andere lag-waarde gebruikt.

Bereken de autocovariantie-functie met behulp van de gegeven formule. Bijvoorbeeld, was u bezig met het berekenen van de derde iteratie (i = 3) met een lag k = 7, dan zou de berekening voor die iteratie er als volgt uitzien: (y3 - y-balk) (y10 - y-balk) Itereren door alle waarden van "i" en neem vervolgens de som en deel deze door het aantal waarden in de gegevensverzameling.

Bereken de variantiefunctie met behulp van de gegeven formule. De berekening is vergelijkbaar met die van de autocovariantie-functie, maar lag wordt niet gebruikt.

Splits de autocovariantiefunctie door de variantiefunctie om de autocorrelatiecoëfficiënt te krijgen. U kunt deze stap omzeilen door de formules voor de twee functies te verdelen zoals weergegeven, maar vaak hebt u de autocovariantie en de variantie voor andere doeleinden nodig, dus is het praktisch om ze ook afzonderlijk te berekenen.