Autokorelácia je štatistická metóda použitá pre analýzu časových radov. Účelom je zmerať koreláciu dvoch hodnôt v rovnakom súbore údajov v rôznych časových krokoch. Aj keď sa časové údaje nepoužívajú na výpočet automatickej korelácie, vaše časové prírastky by mali byť rovnaké, aby sa dosiahli zmysluplné výsledky. Autokorelačný koeficient slúži na dva účely. Môže detekovať náhodnosť v množine údajov. Ak hodnoty v množine údajov nie sú náhodné, potom môže autokorelácia pomôcť analytikovi zvoliť vhodný model časových radov.
Vypočítajte priemer alebo priemer údajov, ktoré analyzujete. Priemer je súčet všetkých dátových hodnôt vydelený počtom dátových hodnôt (n).
Pri výpočte sa rozhodnite o oneskorení (k). Hodnota oneskorenia je celé číslo, ktoré udáva, koľko časových krokov oddeľuje jednu hodnotu od druhej. Napríklad oneskorenie medzi (y1, t1) a (y6, t6) je päť, pretože medzi týmito hodnotami je 6 - 1 = 5 časových krokov. Pri testovaní náhodnosti obyčajne vypočítate iba jeden autokorelačný koeficient pomocou oneskorenia k = 1, aj keď ostatné hodnoty oneskorenia budú fungovať. Keď určujete vhodný model časových radov, budete musieť vypočítať sériu hodnôt autokorelácie pomocou odlišnej hodnoty oneskorenia pre každú z nich.
Vypočítajte funkciu autokariance pomocou daného vzorca. Napríklad, počítali ste tretiu iteráciu (i = 3) pomocou oneskorenia k = 7, potom by výpočet pre túto iteráciu vyzeral takto: (y3 - y-bar) (y10 - y-bar) Iterujte cez všetky hodnoty „i“ a potom vezmeme súčet a vydelíme ho počtom hodnôt v množine údajov.
Vypočítajte funkciu rozptylu pomocou daného vzorca. Výpočet je podobný ako výpočet funkcie autocovariance, ale lag sa nepoužíva.
Vydeľte funkciu autokariance funkciou rozptylu, aby ste dostali autokorelačný koeficient. Tento krok môžete obísť tak, že rozdelíte vzorce pre dve funkcie, ako je to znázornené, ale mnohokrát budete potrebovať autocovariance a rozptyl na iné účely, preto je praktické ich vypočítať aj individuálne.