Observations relatives aux données pour la fonction Autocorrélation

Pour garantir la validité de vos résultats, prenez en compte les indications suivantes 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 évaluer entièrement les tendances ou les schémas dans les données. Minitab affiche les corrélations uniquement pour les n/4 premiers décalages. Par conséquent, si vous possédez des données mensuelles, vous avez besoin d'un effectif d'échantillon suffisant pour déterminer le modèle saisonnier. Par exemple, vous avez besoin d'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 différencier les données, utilisez la fonction Différences. Une fois les données transformées, générez un autre diagramme d'autocorrélation.

Le même schéma peut se produire au niveau des décalages de saisonnalité. Une forte corrélation se produit pour le premier décalage de saisonnalité et diminue sur les décalages suivants. Si vous constatez ce schéma, vous devez transformer les données par calcul de différences en utilisant un décalage égal à la longueur de la saisonnalité avant d'essayer de déterminer un modèle.