LoslegenKostenlos loslegen

Autokorrelationsplots interpretieren

Wenn Autokorrelationswerte nahe 0 liegen, sind die Werte aufeinanderfolgender Beobachtungen nicht miteinander korreliert. Umgekehrt deuten Autokorrelationswerte nahe 1 bzw. -1 darauf hin, dass zwischen aufeinanderfolgenden Beobachtungen eine starke positive bzw. negative Korrelation besteht.

Damit du besser einschätzen kannst, wie verlässlich diese Autokorrelationswerte sind, gibt die Funktion plot_acf() auch Konfidenzintervalle zurück (dargestellt als blau schattierte Bereiche). Wenn ein Autokorrelationswert außerhalb des Konfidenzintervalls liegt, kannst du davon ausgehen, dass der beobachtete Autokorrelationswert statistisch signifikant ist.

Sind in dem Autokorrelationsplot unten aufeinanderfolgende Beobachtungen stark korreliert (d. h. größer als 0,5) und statistisch signifikant?

Diese Übung ist Teil des Kurses

Zeitreihendaten in Python visualisieren

Kurs anzeigen

Interaktive Übung

In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.

Übung starten