ความสัมพันธ์อัตโนมัติเป็นวิธีการทางสถิติที่ใช้สำหรับการวิเคราะห์อนุกรมเวลา จุดประสงค์คือการวัดความสัมพันธ์ของค่าสองค่าในชุดข้อมูลเดียวกันในแต่ละช่วงเวลา แม้ว่าข้อมูลเวลาไม่ได้ใช้ในการคำนวณความสัมพันธ์อัตโนมัติการเพิ่มเวลาของคุณควรเท่ากันเพื่อให้ได้ผลลัพธ์ที่มีความหมาย สัมประสิทธิ์สหสัมพันธ์อัตโนมัติมีจุดประสงค์สองประการ มันสามารถตรวจจับการไม่สุ่มในชุดข้อมูล หากค่าในชุดข้อมูลไม่สุ่มการเชื่อมโยงอัตโนมัติสามารถช่วยนักวิเคราะห์เลือกโมเดลอนุกรมเวลาที่เหมาะสม
คำนวณค่าเฉลี่ยหรือค่าเฉลี่ยสำหรับข้อมูลที่คุณกำลังวิเคราะห์ ค่าเฉลี่ยคือผลรวมของค่าข้อมูลทั้งหมดหารด้วยจำนวนค่าข้อมูล (n)
ตัดสินใจเกี่ยวกับการหน่วงเวลา (k) สำหรับการคำนวณของคุณ ค่าความล่าช้าเป็นจำนวนเต็มแสดงว่ากี่ขั้นตอนแยกค่าหนึ่งจากอีก ตัวอย่างเช่นความล่าช้าระหว่าง (y1, t1) และ (y6, t6) คือห้าเนื่องจากมี 6 - 1 = 5 ขั้นตอนเวลาระหว่างค่าทั้งสอง เมื่อทำการทดสอบแบบสุ่มคุณมักจะคำนวณเพียงหนึ่งสัมประสิทธิ์สหสัมพันธ์โดยใช้ lag k = 1 แม้ว่าค่าความล่าช้าอื่น ๆ ก็จะใช้งานได้ เมื่อคุณกำหนดรูปแบบอนุกรมเวลาที่เหมาะสมคุณจะต้องคำนวณชุดค่าความสัมพันธ์อัตโนมัติโดยใช้ค่าความล่าช้าที่แตกต่างกันสำหรับแต่ละรุ่น
คำนวณฟังก์ชัน autocovariance โดยใช้สูตรที่กำหนด ตัวอย่างเช่นคุณกำลังคำนวณการทำซ้ำครั้งที่สาม (i = 3) โดยใช้ lag k = 7 จากนั้นการคำนวณสำหรับการทำซ้ำนั้นจะมีลักษณะดังนี้: (y3 - y-bar) (y10 - y-bar) ซ้ำทั้งหมด ค่าของ "i" แล้วนำผลรวมและหารด้วยจำนวนของค่าในชุดข้อมูล
คำนวณฟังก์ชันความแปรปรวนโดยใช้สูตรที่กำหนด การคำนวณนั้นคล้ายกับของฟังก์ชั่น autocovariance แต่ไม่ได้ใช้ความล่าช้า
แบ่งฟังก์ชัน autocovariance โดยฟังก์ชัน variance เพื่อรับค่าสัมประสิทธิ์ autocorrelation คุณสามารถข้ามขั้นตอนนี้โดยการหารสูตรของทั้งสองฟังก์ชั่นตามที่แสดง แต่หลาย ๆ ครั้งคุณจะต้องมีการเปลี่ยนแปลงอัตโนมัติและความแปรปรวนสำหรับวัตถุประสงค์อื่น ๆ ดังนั้นจึงเป็นประโยชน์ในการคำนวณแต่ละรายการเช่นกัน