자기 상관이란 무엇입니까?

자기 상관은 일반적으로 패턴이 반복되는 일련의 데이터에서 발생합니다. 예를 들어 소득이나 경제 데이터와 같은 유사한 변수의 값은 종종 서로 상관됩니다. 연구원들은 우연히 자기 상관을 할 수도 있습니다. 그것은 경제학, 신호 처리와 관련된 과학 실험, 광학 및 음악 녹음에 종종 나타납니다. 일반적으로 시계열과 관련하여 설명 된이 현상은 연구원이 데이터를 분석하거나 그룹화하는 데 사용하는 여러 패턴을 포함합니다.

자기 상관이 발생하기 위해 일반적으로 두 변수 사이에 동기화가 있습니다. 예를 들어 한 사람의 소득이 변하고 동시에이 현금 흐름이 다른 사람이나 그룹이 해당 기간 동안 지출하는 방법을 변경할 수 있습니다. 회사 나 노동 조합에 의한 파업이 한 번에 작업 산출량을 감소시키고 또 다른 측정 기간으로 추세가 계속되는 경우에도 데이터는 자동 상관 될 수 있습니다. 부분 자기 상관이 때때로 가능합니다. 데이터가 시간이 지남에 따라 한 시리즈 내에서 상관되는 경우 지연이 발생할 수 있습니다. 직렬 자기 상관은 일반적으로 시계열의 다른 데이터간에 지연이 발생하는 경우입니다.

자기 상관에서 자주 발생하는 패턴은 그래프의 곡선 패턴으로 표시 할 수 있습니다. 이러한 곡선은 추세를 반영하는 데 사용할 수 있습니다. 이것은 때때로주기에서 발생할 수있는 상향 및 하향 패턴을 포함합니다. 계산 실수로 인해 초보 연구원이 잘못된 값이나 변수를 사용하는 경우와 같이 데이터가 오류와 상관 될 수 있습니다. 데이터의 외삽 법과 내삽 법을 사용하면 데이터를 상호 연관시키는 경우도 있지만, 그렇게하지 않으면 변수가 시간에 따라 분리됩니다.

자기 상관은 특히 패턴의 추세가 증가하는 경우 양수 값을 가질 수 있습니다. 하향 추세는 종종 음수 값으로 반영됩니다. 이러한 패턴은 종종 경제학에서 분석되지만 신호 펄스, 전자기장 및 통계의 다양한 응용 분야에 대한 수학적 분석에도 나타날 수 있습니다. 이 현상은 종종 원자의 위치를 ​​측정하고 우주에서 은하의 분포를 연구하는 것과 같은 다양한 응용 분야에서 사용됩니다.

자기 상관의 검출은 일반적으로 Durbin Watson 테스트를 사용하여 수행됩니다. 통계는 수학적으로 측정되며 값이 다른 변수보다 높거나 낮은 지 여부는 일반적으로 결과를 결정합니다. 그런 다음 연구원들은 순도를 결정할 수 있으며,이 특성이 발견되면 데이터 세트는 종종 원래 형태로 되돌아 가서 가능한 경우 현상을 제거합니다.