Autokorrelation und partielle Autokorrelationsfunktionen
Die Autokorrelation und die partielle Autokorrelation sind Maßstäbe für die Beziehung zwischen aktuellen und vergangenen Reihenwerten, die anzeigen, welche vergangenen Reihenwerte bei der Vorhersage zukünftiger Werte am nützlichsten sind. Mit diesem Wissen können Sie die Reihenfolge der Prozesse in einem ARIMA-Modell festlegen. Genauer:
- Autokorrelationsfunktion (ACF). Mit Lag k ist dies die Korrelation zwischen Reihenwerten, die k Intervalle entfernt sind.
- Partielle Autokorrelationsfunktion (PACF). Mit Lag k ist dies die Korrelation zwischen Reihenwerten, die k Intervalle entfernt sind, wobei die Werte der dazwischenliegenden Intervalle berücksichtigt werden.
Die X-Achse des ACF-Plots gibt den Lag an, bei dem die Autokorrelation berechnet wird. Die Y-Achse gibt den Wert der Korrelation an (zwischen −1 und 1). Beispiel: Eine Spitze bei Lag 1 in einem ACF-Plot zeigt eine starke Korrelation zwischen allen Reihenwerten und dem vorherigen Wert an. Eine Spitze bei Lag 2 zeigt eine starke Korrelation zwischen allen Werten und dem Wert an, der zwei Punkte vorher auftrat, usw.
- Eine positive Korrelation zeigt an, dass große aktuelle Werte großen Werten zum angegebenen Abstand entsprechen. Eine negative Korrelation zeigt an, dass große aktuelle Werte kleinen Werten zum angegebenen Abstand entsprechen.
- Der absolute Wert einer Korrelation ist ein Maßstab für die Stärke der Verbindung, wobei größere absolute Werte eine stärkere Beziehung anzeigen.