الارتباط الذاتي هو طريقة إحصائية تستخدم لتحليل السلاسل الزمنية. والغرض من ذلك هو قياس ارتباط القيمتين في نفس مجموعة البيانات في خطوات زمنية مختلفة. على الرغم من أن بيانات الوقت لا تُستخدم في الارتباط التلقائي المحسوب ، يجب أن تكون الزيادات في وقتك متساوية من أجل الحصول على نتائج مفيدة. يخدم معامل الارتباط الذاتي غرضين. يمكن الكشف عن عدم العشوائية في مجموعة البيانات. إذا كانت القيم في مجموعة البيانات غير عشوائية ، فإن الارتباط التلقائي يمكن أن يساعد المحلل في اختيار نموذج سلسلة زمنية مناسبة.
احسب المتوسط ، أو المتوسط ، للبيانات التي تقوم بتحليلها. المتوسط هو مجموع كل قيم البيانات مقسومًا على عدد قيم البيانات (n).
اتخاذ قرار بشأن تأخر الوقت (ك) لحسابك. قيمة التأخر هي عدد صحيح يشير إلى عدد الخطوات الزمنية التي تفصل قيمة واحدة عن الأخرى. على سبيل المثال ، الفاصل بين (y1 ، t1) و (y6 ، t6) هو خمسة ، لأن هناك 6 - 1 = 5 خطوات زمنية بين القيمتين. عند الاختبار للعشوائية ، عادةً ما تقوم بحساب معامل ارتباط تلقائي واحد باستخدام lag k = 1 ، على الرغم من أن قيم التأخير الأخرى ستعمل أيضًا. عند تحديد نموذج سلسلة زمنية مناسب ، ستحتاج إلى حساب سلسلة من قيم الارتباط التلقائي ، باستخدام قيمة تأخر مختلفة لكل منها.
حساب وظيفة autocovariance باستخدام الصيغة المعطاة. على سبيل المثال ، هل كنت تقوم بحساب التكرار الثالث (i = 3) باستخدام lag k = 7 ، عندئذٍ سيبدو الحساب الخاص بالتكرار كما يلي: (y3 - y-bar) (y10 - y-bar) يتكرر عبر الكل قيم "i" ، ثم أخذ المجموع وتقسيمه على عدد القيم في مجموعة البيانات.
احسب دالة التباين باستخدام الصيغة المحددة. يشبه الحساب وظيفة التوحيد التلقائي ، لكن التأخير لا يستخدم.
اقسم وظيفة التوفيق التلقائي على دالة التباين للحصول على معامل الارتباط التلقائي. يمكنك تجاوز هذه الخطوة بقسمة الصيغ الوظيفتين كما هو موضح ، ولكن في كثير من الأحيان ، ستحتاج إلى التوفيق التلقائي والتباين لأغراض أخرى ، لذلك من العملي حسابها بشكل فردي أيضًا.