自己相関とは

通常、自己相関は、パターンが繰り返されるデータのセットで発生します。 たとえば、収入や経済データなどの類似の変数の値は、多くの場合互いに相関しています。 研究者は偶然にも自己相関に出くわすことがあります。 多くの場合、経済学の研究、信号処理を含む科学実験、光学および音楽の録音に登場します。 通常、時系列に関連して記述される現象は、研究者がデータの分析またはグループ化に使用するいくつかのパターンで構成されています。

通常、自己相関が発生するために2つの変数間に同期があります。 たとえば、ある人の収入が変化し、同時にこのキャッシュフローが別の人またはグループがその期間に費やす方法を変更する場合があります。 企業や労働組合のストライキが一時的に仕事の生産量を減らし、傾向が別の測定された時間枠に続く場合、データは自己相関することもあります。 部分的な自己相関が可能な場合があります。 時間の経過とともに1つのシリーズ内でデータが相関する場合、遅延が発生する可能性があります。 シリアル自己相関は、通常、時系列の異なるデータ間で遅延が発生する場合です。

自己相関でよく発生するパターンは、グラフ上の曲線のパターンで表すことができます。 これらの曲線は、傾向を反映するために使用できます。 これには、サイクルで発生する可能性のある上向きおよび下向きパターンが含まれることがあります。 計算の間違いは、初心者の研究者が間違った値や変数を使用している場合など、データが誤って相関する原因にもなります。 外挿とデータの内挿を使用すると、データが相互に関連付けられる場合がありますが、そうしないと、時間に対して変数が分離されます。

特にパターンの傾向が上昇している場合、自己相関は正の値を持つことができます。 下降傾向は、多くの場合負の値に反映されます。 このようなパターンは、多くの場合、経済学で分析されますが、信号パルス、電磁界、および統計のさまざまなアプリケーションの数学的分析にも現れます。 この現象は、原子の位置の測定や宇宙での銀河の分布の研究など、さまざまな用途でよく使用されます。

通常、自己相関の検出は、ダービンワトソン検定を使用して実行されます。 統計は数学的に測定され、値が別の変数の値を上回るか下回るかが通常結果を決定します。 その後、研究者は純度を判断できます。この特性が見つかった場合、データセットは元の形式に戻されて、可能であれば現象を除去することがよくあります。