Video: Sosialisasi Katalog Unsur Geografis Indonesia Versi 5 Th. 2018 2024
Untuk dataset yang terdiri daripada pemerhatian yang diambil pada masa yang berbeza (iaitu, data siri masa ), adalah penting untuk menentukan sama ada pemerhatian berkomunikasi antara satu sama lain atau tidak. Ini adalah kerana banyak teknik untuk memodelkan data siri masa berdasarkan kepada andaian bahawa data tidak bertentangan dengan satu sama lain (bebas).
Satu teknik grafik yang boleh anda gunakan untuk melihat sama ada data tidak bertentangan antara satu sama lain adalah fungsi autokorelasi . Fungsi autokorelasi menunjukkan korelasi antara pemerhatian dalam siri masa dengan ketinggalan yang berlainan. Sebagai contoh, korelasi antara pemerhatian dengan lag 1 merujuk kepada korelasi antara setiap pemerhatian individu dan nilai sebelumnya.
Angka ini menunjukkan fungsi autokorelasi untuk pulangan harian ExxonMobil pada tahun 2013.
Setiap "spike" dalam fungsi autokorelasi mewakili korelasi antara pemerhatian dengan lag tertentu.
Autokorelasi dengan lag 0 selalu bersamaan 1, kerana ini mewakili korelasi pemerhatian dengan diri mereka sendiri.
Pada graf, garisan putus-putus mewakili had bawah dan atas selang keyakinan . Jika lonjakan naik melebihi batas atas selang keyakinan atau jatuh di bawah batas bawah selang keyakinan, yang menunjukkan bahawa korelasi untuk lag itu tidak 0. Ini adalah bukti terhadap kebebasan unsur-unsur dalam dataset.
Dalam kes ini, hanya terdapat satu spike ketara secara statistik (pada lag 8). Spike ini menunjukkan bahawa pulangan ExxonMobil mungkin bebas. Ujian statistik yang lebih formal akan menunjukkan sama ada itu benar atau tidak.
