วิธีการคำนวณความสัมพันธ์อัตโนมัติใน r

ความสัมพันธ์อัตโนมัติ จะวัดระดับความคล้ายคลึงกันระหว่างอนุกรมเวลาและเวอร์ชันที่ล่าช้าของตัวเองในช่วงเวลาที่ต่อเนื่องกัน

บางครั้งเรียกว่า “ความสัมพันธ์แบบอนุกรม” หรือ “ความสัมพันธ์แบบล่าช้า” เนื่องจากเป็นการวัดความสัมพันธ์ระหว่างค่าปัจจุบันของตัวแปรและค่าในอดีต

เมื่อความสัมพันธ์อัตโนมัติในอนุกรมเวลาสูง การทำนายค่าในอนาคตก็กลายเป็นเรื่องง่ายโดยการอ้างอิงถึงค่าในอดีต

วิธีการคำนวณความสัมพันธ์อัตโนมัติใน R

สมมติว่าเรามีอนุกรมเวลาต่อไปนี้ใน R ที่แสดงค่าของตัวแปรบางตัวสำหรับช่วงเวลาที่แตกต่างกัน 15 ช่วง:

 #define data
x <- c(22, 24, 25, 25, 28, 29, 34, 37, 40, 44, 51, 48, 47, 50, 51)

เราสามารถคำนวณความสัมพันธ์อัตโนมัติสำหรับความล่าช้าแต่ละครั้งในอนุกรมเวลาได้โดยใช้ฟังก์ชัน acf() จากไลบรารี tseries :

 library (tseries)

#calculate autocorrelations
acf(x, pl= FALSE )

     0 1 2 3 4 5 6 7 8 9 10 
 1.000 0.832 0.656 0.491 0.279 0.031 -0.165 -0.304 -0.401 -0.458 -0.450 
    11 
-0.369 

วิธีการตีความผลลัพธ์มีดังนี้:

• ความสัมพันธ์อัตโนมัติที่ความล่าช้า 0 คือ 1
• ความสัมพันธ์อัตโนมัติที่ความล่าช้า 1 คือ 0.832
• ความสัมพันธ์อัตโนมัติที่ความล่าช้า 2 คือ 0.656
• ความสัมพันธ์อัตโนมัติที่ lag 3 คือ 0.491

และอื่นๆ

นอกจากนี้เรายังสามารถระบุจำนวนความล่าช้าที่จะแสดงด้วยอาร์กิวเมนต์ lag :

 #calculate autocorrelations up to lag=5
acf(x, lag=5, pl= FALSE )

Autocorrelations of series 'x', by lag

    0 1 2 3 4 5 
1.000 0.832 0.656 0.491 0.279 0.031

วิธีการพล็อตฟังก์ชันความสัมพันธ์อัตโนมัติใน R

เราสามารถพล็อตฟังก์ชันความสัมพันธ์อัตโนมัติสำหรับอนุกรมเวลาใน R ได้โดยไม่ใช้อาร์กิวเมนต์ pl=FALSE :

 #plot autocorrelation function
acf(x)

แกน x จะแสดงจำนวนของความล่าช้า และแกน y จะแสดงความสัมพันธ์อัตโนมัติที่จำนวนความล่าช้าดังกล่าว ตามค่าเริ่มต้น พล็อตเริ่มต้นที่ lag = 0 และความสัมพันธ์อัตโนมัติจะเป็น 1 เสมอที่ lag = 0

คุณยังสามารถระบุชื่อเรื่องอื่นสำหรับโครงเรื่องโดยใช้อาร์กิวเมนต์ หลัก :

 #plot autocorrelation function with custom title
acf(x, main=' Autocorrelation by Lag ') 

แหล่งข้อมูลเพิ่มเติม

วิธีการคำนวณความสัมพันธ์อัตโนมัติใน Python
วิธีการคำนวณความสัมพันธ์อัตโนมัติใน Excel