Observations relatives aux données pour la fonction Autocorrélation partielle

Pour garantir la validité de vos résultats, vérifiez que les règles suivantes sont respectées lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.
Enregistrer les données dans l'ordre chronologique
Les données de série chronologique doivent être collectées à intervalles réguliers et consignées par ordre chronologique. Vous devez enregistrer les données dans une feuille de travail dans l'ordre dans lequel vous les avez collectées. Si les données ne sont pas enregistrées par ordre chronologique, vous ne pouvez pas étudier la présence de schémas temporels dans les données. Toutefois, vous pouvez toujours utiliser la fonction Nuage de points pour étudier la relation entre deux variables continues.
Collecter suffisamment de données pour mettre à jour des tendances ou des schémas
Collectez suffisamment de données pour pouvoir pleinement évaluer la présence de tendances ou de schémas dans les données. Minitab n'affiche de corrélations que pour les n/4 premiers décalages. Par conséquent, si vous avez des données mensuelles, vous avez besoin d'un grand effectif d'échantillon pour déterminer le modèle de saisonnalité. Par exemple, Il vous faut au moins 144 observations pour inclure 36 décalages dans le diagramme d'autocorrélation.
Collecter les données à intervalles appropriés

Sélectionnez l'intervalle de temps en fonction des schémas à détecter. Par exemple, pour rechercher des schémas observables d'un mois sur l'autre dans un procédé, collectez les données au même moment chaque mois. Si vous collectez vos données chaque semaine, le schéma mensuel sera "pollué" par les données hebdomadaires. De même, si vous collectez vos données chaque trimestre, le schéma mensuel ne sera plus évident car "noyé" dans la moyenne des données trimestrielles.

Si vous recherchez des tendances générales ou des décalages dans les données en fonction du temps, et non pas des schémas associés à un intervalle de temps spécifique, la longueur de cet intervalle est moins importante.

Les données doivent être stationnaires

Une série chronologique stationnaire possède une moyenne, une variance et une fonction d'autocorrélation plus ou moins constantes dans le temps. Les données ne sont pas stationnaires s'il existe un pic important au niveau du décalage 1 qui décroît lentement sur les décalages suivants. Si vous constatez ce schéma, vous devez transformer les données par calcul de différences avant d'essayer de déterminer un modèle. Pour cela, utilisez la fonction Différences. Une fois les données transformées, générez un autre diagramme d'autocorrélation partielle.

Il se peut que vous constatiez le même schéma au niveau des décalages de saisonnalité : une forte corrélation pour le premier décalage de saisonnalité, qui diminue sur les décalages suivants. Dans ce cas, vous devez transformer les données par calcul de différences en utilisant un décalage égal à la longueur saisonnière avant d'essayer de déterminer un modèle.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique