Video: Excel'de Veri Birleştirme (Data Consolide) 2025
Zaman içindeki farklı noktalarda alınan gözlemlerden oluşan bir veri kümesi için (yani, zaman serisi verileri ), gözlemlerin birbiriyle ilişkili olup olmadığının belirlenmesi önemlidir. Bunun nedeni, zaman serisi verilerini modellemek için kullanılan birçok teknik, verilerin birbiriyle (bağımsız) ilişkisiz olduğu varsayımına dayanmaktadır.
Verilerin birbiriyle ilişkisiz olup olmadığını görmek için kullanabileceğiniz bir grafik tekniği otokorelasyon fonksiyonudur. Otokorelasyon fonksiyonu, farklı gecikmelerle birlikte bir zaman serisinde gözlemler arasındaki korelasyonu gösterir. Örneğin, gecikme 1 ile gözlemler arasındaki korelasyon, her bir gözlem ile önceki değeri arasındaki korelasyonu belirtir.
Bu rakam, ExxonMobil'in 2013'deki günlük getirilerinin otokorelasyon fonksiyonunu göstermektedir.
Otokorelasyon fonksiyonundaki her "sivri" korelasyonunu temsil etmektedir belirli bir gecikmeli gözlemler arasında.
Lag 0 ile otokorelasyon her zaman 1'e eşittir, çünkü bu gözlemlerin kendi aralarındaki korelasyonlarını temsil eder.
Grafiklerdeki kesikli çizgiler güven aralığının alt ve üst limitlerini temsil eder. Eğer bir yükselme, güven aralığının üst sınırının üzerine çıkarsa veya güven aralığının alt sınırının altına düşerse, bu gecikme için korelasyonun 0 olmadığını gösterir. Bu, bir aralıktaki elemanların bağımsızlığına karşı kanıttır Veri kümesi.
Bu durumda istatistiksel olarak önemli bir artış (gecikme 8'de) var. Bu çarpma, ExxonMobil iadelerinin bağımsız olabileceğini gösteriyor. Daha resmi bir istatistiksel test bunun doğru olup olmadığını gösterecektir.
