L'autocorrelazione è un metodo statistico utilizzato per l'analisi delle serie temporali. Lo scopo è misurare la correlazione di due valori nello stesso insieme di dati in fasi temporali differenti. Sebbene i dati temporali non vengano utilizzati per calcolare l'autocorrelazione, gli incrementi di tempo dovrebbero essere uguali per ottenere risultati significativi. Il coefficiente di autocorrelazione ha due scopi. È in grado di rilevare la non casualità in un set di dati. Se i valori nel set di dati non sono casuali, l'autocorrelazione può aiutare l'analista a scegliere un modello di serie temporale appropriato.

Calcola la media o la media dei dati che stai analizzando. La media è la somma di tutti i valori dei dati divisi per il numero di valori dei dati (n).

Stabilire un intervallo di tempo (k) per il calcolo. Il valore di ritardo è un numero intero che indica quanti passaggi temporali separano un valore da un altro. Ad esempio, il ritardo tra (y1, t1) e (y6, t6) è cinque, perché ci sono 6 - 1 = 5 intervalli di tempo tra i due valori. Quando si verifica la casualità, di solito si calcola un solo coefficiente di autocorrelazione utilizzando il lag k = 1, sebbene funzionino anche altri valori di ritardo. Quando si determina un modello di serie temporale appropriato, sarà necessario calcolare una serie di valori di autocorrelazione, utilizzando un valore di lag diverso per ciascuno.

Calcola la funzione di autocovarianza utilizzando la formula specificata. Ad esempio, stavi calcolando la terza iterazione (i = 3) usando un lag k = 7, quindi il calcolo per tale iterazione sarebbe simile a questo: (y3 - y-bar) (y10 - y-bar) Iterate through all valori di "i" e quindi prendere la somma e dividerla per il numero di valori nel set di dati.

Calcolare la funzione di varianza utilizzando la formula data. Il calcolo è simile a quello della funzione di autocovarianza, ma non viene utilizzato il lag.

Dividere la funzione di autocovarianza mediante la funzione varianza per ottenere il coefficiente di autocorrelazione. Puoi bypassare questo passo dividendo le formule per le due funzioni come mostrato, ma molte volte avrai bisogno dell'autocovarianza e della varianza per altri scopi, quindi è pratico calcolarle singolarmente.