Autokorrelation är en statistisk metod som används för tidsserieanalys. Syftet är att mäta korrelationen mellan två värden i samma dataset vid olika tidssteg. Även om tidsdata inte används för beräknade autokorrelationer, bör dina tidsintervaller vara lika för att få meningsfulla resultat. Autokorrelationskoefficienten tjänar två syften. Det kan upptäcka icke-slumpmässighet i en dataset. Om värdena i datasatsen inte är slumpmässiga, kan autokorrelation hjälpa analytikern att välja en lämplig tidsseriemodell.

Beräkna medelvärdet eller medelvärdet för de data du analyserar. Medelvärdet är summan av alla datavärden dividerat med antalet datavärden (n).

Bestäm en tidsfördröjning (k) för din beräkning. Lagvärdet är ett heltal som anger hur många tidssteg som skiljer ett värde från en annan. Lagen mellan (y1, t1) och (y6, t6) är till exempel fem, eftersom det finns 6-1 = 5 tidssteg mellan de två värdena. När du testar för slumpmässighet, brukar du bara beräkna en autokorrelationskoefficient med hjälp av lag k = 1, även om andra fördröjningsvärden också kommer att fungera. När du bestämmer en lämplig tidsseriemodell måste du beräkna en serie autokorrelationsvärden, med ett annat lagvärde för varje.

Beräkna autokovariansfunktionen med den angivna formeln. Till exempel, beräknar du den tredje iterationen (i = 3) med en fördröjning k = 7, då skulle beräkningen för den iterationen se ut så här: (y3 - y-bar) (y10 - y-bar) Iterera genom alla värdena på "i" och sedan ta summan och dela den med antalet värden i datasatsen.

Beräkna variansfunktionen med den angivna formeln. Beräkningen liknar den för autokovariansfunktionen, men lag används inte.

Dela autokovariansfunktionen med variansfunktionen för att få autokorrelationskoefficienten. Du kan kringgå det här steget genom att dela formlerna för de två funktionerna som visas, men många gånger behöver du autokovarians och variansen för andra ändamål, så det är praktiskt att beräkna dem individuellt också.