Überlegungen zu Daten für Partielle Autokorrelation

Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.

Zeichnen Sie die Daten in chronologischer Reihenfolge auf

Zeitreihendaten werden in regelmäßigen Intervallen erfasst und in zeitlicher Reihenfolge aufgezeichnet. Sie sollten die Daten im Arbeitsblatt in derselben Reihenfolge aufzeichnen, in der sie erfasst wurden. Wenn die Daten nicht in chronologischer Reihenfolge angeordnet sind, können Sie die zeitlichen Muster in den Daten nicht beurteilen. Sie können jedoch trotzdem Streudiagramm verwenden, um die Beziehung zwischen einem Paar stetiger Variablen zu untersuchen.

Erfassen Sie ausreichend Daten, um Trends oder Muster auswerten zu können

Erfassen Sie ausreichend Daten, damit Sie Trends oder Muster in den Daten richtig auswerten können. Minitab zeigt Korrelationen nur für die ersten n/4 Lags an. Wenn es sich bei den Daten also um monatliche Daten handelt, benötigen Sie einen großen Stichprobenumfang, um das saisonale Modell zu ermitteln. Sie benötigen z. B. mindestens 144 Beobachtungen, um im Autokorrelationsdiagramm bis zu Lag 36 untersuchen zu können.

Erfassen Sie die Daten in geeigneten Zeitintervallen

Wählen Sie das Zeitintervall basierend auf den Mustern aus, die Sie erkennen möchten. Um z. B. nach einem monatlichen Muster in einem Prozess zu suchen, erfassen Sie die Daten jeden Monat zur selben Zeit. Wenn Sie die Daten wöchentlich erfassen, kann das monatsbezogene Muster im „Rauschen“ der Wochendaten untergehen. Wenn Sie die Daten pro Quartal erfassen, geht das Muster bei den Monaten verloren, falls es im Quartalsdurchschnitt ausgeglichen wird.

Wenn Sie nur nach allgemeinen Trends oder Verschiebungen in den Daten für einen Zeitraum suchen und nicht nach den Mustern für einen bestimmten Zeitraum, ist die Länge der Intervalle weniger wichtig.

Die Daten sollten stationär sein

Eine stationäre Zeitreihe weist einen Mittelwert, eine Varianz und eine Autokorrelationsfunktion auf, die im Verlauf der Zeit im Wesentlichen konstant bleiben. Die Daten sind nicht stationär, wenn sie eine große Spitze bei Lag 1 aufweisen, die über einige Lags abnimmt. Wenn Sie dieses Muster feststellen, sollten Sie eine Differenz der Daten bilden, bevor Sie versuchen, ein Modell zu identifizieren. Verwenden Sie für die Differenzbildung die Funktion Differenzen. Sobald Sie eine Differenz gebildet haben, erstellen Sie ein neues partielles Autokorrelationsdiagramm.

Dasselbe Muster kann bei den saisonalen Lags auftreten. Das heißt, beim ersten saisonalen Lag tritt eine große Korrelation auf, die dann über mehrere saisonale Lags abnimmt. Wenn Sie dieses Muster feststellen, sollten Sie eine Differenz der Daten unter Verwendung eines Lags gleich der Saisonlänge bilden, bevor Sie versuchen, ein Modell zu identifizieren.