Sie wird manchmal auch als \u201eserielle Korrelation\u201c oder \u201everz\u00f6gerte Korrelation\u201c bezeichnet, da sie die Beziehung zwischen den aktuellen Werten einer Variablen und ihren historischen Werten misst.<\/span><\/p>\n Wenn die Autokorrelation in einer Zeitreihe hoch ist, ist es einfach, zuk\u00fcnftige Werte vorherzusagen, indem einfach auf vergangene Werte verwiesen wird.<\/span><\/p>\n Angenommen, wir haben die folgende Zeitreihe in R, die den Wert einer bestimmten Variablen f\u00fcr 15 verschiedene Zeitr\u00e4ume zeigt:<\/span><\/p>\n Wir k\u00f6nnen die Autokorrelation f\u00fcr jede Verz\u00f6gerung in der Zeitreihe mithilfe der Funktion acf()<\/strong> aus der tseries-<\/strong> Bibliothek berechnen:<\/span><\/p>\n Das Ergebnis l\u00e4sst sich wie folgt interpretieren:<\/span><\/p>\n Und so weiter.<\/span><\/p>\n Mit dem Argument lag<\/strong> k\u00f6nnen wir auch die Anzahl der anzuzeigenden Verz\u00f6gerungen angeben:<\/span><\/p>\n Wir k\u00f6nnen die Autokorrelationsfunktion f\u00fcr eine Zeitreihe in R darstellen, indem wir einfach das Argument pl=FALSE<\/strong> nicht verwenden:<\/span> <\/p>\n Die x-Achse zeigt die Anzahl der Verz\u00f6gerungen und die y-Achse zeigt die Autokorrelation bei dieser Anzahl von Verz\u00f6gerungen an. Standardm\u00e4\u00dfig beginnt die Darstellung bei Lag = 0 und die Autokorrelation ist bei Lag = 0 immer 1<\/strong> .<\/span><\/p>\n Sie k\u00f6nnen auch einen anderen Titel f\u00fcr die Handlung angeben, indem Sie das Hauptargument<\/strong> verwenden:<\/span> <\/p>\n So berechnen Sie die Autokorrelation in Python<\/a> Die Autokorrelation misst den Grad der \u00c4hnlichkeit zwischen einer Zeitreihe und einer verz\u00f6gerten Version ihrer selbst \u00fcber aufeinanderfolgende Zeitintervalle. Sie wird manchmal auch als \u201eserielle Korrelation\u201c oder \u201everz\u00f6gerte Korrelation\u201c bezeichnet, da sie die Beziehung zwischen den aktuellen Werten einer Variablen und ihren historischen Werten misst. Wenn die Autokorrelation in einer Zeitreihe hoch ist, ist es […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n So berechnen Sie die Autokorrelation in R<\/strong><\/h3>\n
#define data<\/span>\nx <- c(22, 24, 25, 25, 28, 29, 34, 37, 40, 44, 51, 48, 47, 50, 51)\n<\/strong><\/pre>\n library<\/span> (tseries)<\/span>\n<\/span><\/span>\n#calculate autocorrelations<\/span>\nacf(x, pl= FALSE<\/span> )\n\n 0 1 2 3 4 5 6 7 8 9 10 \n 1.000 0.832 0.656 0.491 0.279 0.031 -0.165 -0.304 -0.401 -0.458 -0.450 \n 11 \n-0.369 \n<\/strong><\/pre>\n\n
#calculate autocorrelations up to lag=5<\/span>\nacf(x, lag=5, pl= FALSE<\/span> )\n\nAutocorrelations of series 'x', by lag\n\n 0 1 2 3 4 5 \n1.000 0.832 0.656 0.491 0.279 0.031<\/strong><\/pre>\n So zeichnen Sie die Autokorrelationsfunktion in R auf<\/strong><\/h3>\n
#plot autocorrelation function\n<\/span>acf(x)\n<\/strong><\/pre>\n![\"Autokorrelation](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/autocorrelationr1.png\")
<\/p>\n #plot autocorrelation function with custom title\n<\/span>acf(x, main=' Autocorrelation by Lag<\/span> ')<\/strong> <\/pre>\n![\"Autokorrelationsdiagramm](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/autocorrelationr2.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie die Autokorrelation in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"