Video: Sosialisasi Katalog Unsur Geografis Indonesia Versi 5 Th. 2018 2024
Untuk dataset yang terdiri dari pengamatan yang diambil pada titik waktu yang berbeda (yaitu, data deret waktu ), penting untuk menentukan apakah pengamatan tersebut berkorelasi satu sama lain atau tidak. Hal ini karena banyak teknik pemodelan data deret waktu didasarkan pada asumsi bahwa data tidak berkorelasi satu sama lain (independen).
Satu teknik grafis yang dapat Anda gunakan untuk melihat apakah data tidak berkorelasi satu sama lain adalah fungsi autokorelasi . Fungsi autokorelasi menunjukkan korelasi antara pengamatan dalam deret waktu dengan kelambatan yang berbeda. Sebagai contoh, korelasi antara pengamatan dengan lag 1 mengacu pada korelasi antara pengamatan masing-masing individu dan nilai sebelumnya.
Angka ini menunjukkan fungsi autokorelasi untuk pengembalian harian ExxonMobil pada tahun 2013.
Setiap "lonjakan" dalam fungsi autokorelasi mewakili korelasi antara pengamatan dengan lag yang diberikan.
Autokorelasi dengan lag 0 selalu sama dengan 1, karena ini merupakan korelasi pengamatan dengan diri mereka sendiri.
Pada grafik, garis putus-putus mewakili batas bawah dan batas atas interval kepercayaan . Jika lonjakan naik di atas batas atas interval kepercayaan atau berada di bawah batas bawah interval kepercayaan, yang menunjukkan bahwa korelasi untuk lag tersebut bukan 0. Ini adalah bukti melawan independensi elemen dalam dataset
Dalam kasus ini, hanya ada satu lonjakan yang signifikan secara statistik (pada lag 8). Lonjakan ini menunjukkan bahwa hasil ExxonMobil mungkin independen. Tes statistik yang lebih formal akan menunjukkan apakah itu benar atau tidak.
