Menafsirkan plot autokorelasi
Jika nilai autokorelasi mendekati 0, maka nilai antarobservasi berurutan tidak saling berkorelasi. Sebaliknya, nilai autokorelasi yang mendekati 1 atau -1 menunjukkan adanya korelasi positif atau negatif yang kuat antarobservasi berurutan, masing-masing.
Untuk membantu Anda menilai seberapa andal nilai autokorelasi ini, fungsi plot_acf() juga menampilkan interval kepercayaan (diwakili sebagai area berarsir biru). Jika suatu nilai autokorelasi melampaui area interval kepercayaan, Anda dapat menganggap nilai autokorelasi yang diamati tersebut signifikan secara statistik.
Pada plot autokorelasi di bawah ini, apakah observasi berurutan berkorelasi sangat kuat (yaitu lebih dari 0,5) dan signifikan secara statistik?
Latihan ini adalah bagian dari kursus
Memvisualisasikan Data Deret Waktu di Python
Latihan interaktif praktis
Ubah teori menjadi tindakan dengan salah satu latihan interaktif kami.
Mulai berolahraga