자기 상관에 대한 데이터 고려사항

유효한 결과를 얻으려면 데이터를 수집하고 분석을 수행하거나 결과를 해석할 때 다음 지침을 따르십시오.

데이터를 연대순으로 기록

시계열 데이터는 정기적으로 수집되고 시간순으로 기록됩니다. 데이터를 수집한 것과 같은 순서로 워크시트에 기록해야 합니다. 데이터가 연대순이 아닌 경우 데이터에서 시간과 관련된 패턴을 평가할 수 없습니다. 그러나 산점도을 사용하여 계량형 변수 쌍 간의 관계를 계속 조사할 수 있습니다.

추세나 패턴을 평가하기에 충분한 데이터 수집

데이터의 추세나 패턴을 완전히 평가할 수 있도록 충분한 데이터를 수집합니다. Minitab에서는 처음 n/4 시차에 대해서만 상관을 표시합니다. 따라서 월별 데이터가 있는 경우 계절 모형을 결정하려면 큰 표본 크기가 필요합니다. 예를 들어, 자기 상관 그림에서 최대 36개의 시차를 보려면 144개 이상의 관측치가 필요합니다.

적절한 시간 간격으로 데이터 수집

탐지할 패턴을 기준으로 시간 간격을 선택합니다. 예를 들어 공정에서 월별 패턴을 확인하려면 매월 동일한 시간에 데이터를 수집하십시오. 매주 데이터를 수집하는 경우 월별 패턴이 주별 데이터 때문에 사라질 수 있습니다. 분기마다 데이터를 수집하면 분기별 평균을 구할 때 월별 패턴이 사라질 수 있습니다.

특정 시간 간격과 관련된 패턴이 아니라 시간 경과에 따른 일반적인 추세나 변동만 확인하는 경우 간격 길이는 중요하지 않습니다.

데이터가 정상적이어야 함

정상 시계열의 평균, 분산 및 자기 상관 함수는 전체 시간 동안 일정합니다. 시차 1에서 큰 값이 있고 여러 시차에 걸쳐 서서히 감소하면 데이터가 정상적이 아닙니다. 이 패턴이 보이면 모형을 식별하기 전에 데이터를 구분해야 합니다. 데이터를 구분하려면 차분를 사용하십시오. 데이터를 구분한 후 다른 자기 상관 그림을 표시해야 합니다.

계절적 시차에서 같은 패턴이 발생할 수도 있습니다. 즉, 첫 번째 계절적 시차에서 큰 상관이 발생하고 여러 계절적 시차에 걸쳐 감소합니다. 이 패턴이 보이면 모형을 식별하기 전에 계절 길이와 같은 시차를 사용하여 데이터를 구분해야 합니다.