พล็อตความสัมพันธ์ แสดงคุณสมบัติของชนิดของข้อมูลที่เรียกว่าชุดข้อมูลเวลา ชุดข้อมูลเวลา หมายถึงการสังเกตตัวแปรเดียวในช่วงเวลาที่กำหนด ตัวอย่างเช่นราคารายวันของหุ้น Microsoft ในช่วงปี 2013 เป็นชุดเวลา
ข้อมูลตัดขวาง หมายถึงข้อสังเกตเกี่ยวกับตัวแปรหลายตัวแปร ณ จุดเดียว ตัวอย่างเช่นราคาปิดของหุ้น 30 ที่มีอยู่ในดัชนีเฉลี่ยอุตสาหกรรมดาวโจนส์ในวันที่ 31 มกราคม 2014 จะถือว่าเป็นข้อมูลตัดขวาง
พล็อตความสัมพันธ์แบบอัตโนมัติถูกออกแบบมาเพื่อแสดงให้เห็นว่าองค์ประกอบของชุดเวลามีความสัมพันธ์เชิงบวกมีความสัมพันธ์เชิงลบหรือไม่ขึ้นกับแต่ละอื่น ๆ (คำนำหน้า รถยนต์ หมายถึง "ตัวเอง" - ความสัมพันธ์กันโดยอัตโนมัติหมายถึงความสัมพันธ์ระหว่างองค์ประกอบของซีรีส์เวลา)
พล็อตความสัมพันธ์แบบอัตโนมัติจะแสดงค่าของฟังก์ชันการคลาดเคลื่อน (acf) บนแกนแนวตั้ง สามารถมีตั้งแต่ -1 ถึง 1.
แกนนอนของพล็อตความสัมพันธ์แบบอิสระแสดงขนาดของ lag ระหว่างองค์ประกอบของชุดข้อมูล ตัวอย่างเช่นความสัมพันธ์ระหว่างความสัมพันธ์กับความล่าช้า 2 เป็นความสัมพันธ์ระหว่างองค์ประกอบของชุดข้อมูลตามเวลาและองค์ประกอบที่สอดคล้องกันซึ่งได้สังเกตเห็นช่วงเวลาสองช่วงก่อนหน้านี้
รูปนี้แสดงพล็อตความสัมพันธ์อัตโนมัติสำหรับราคารายวันของหุ้น Apple จากวันที่ 1 มกราคม 2013 ถึง 31 ธันวาคม 2013
บนกราฟมีเส้นแนวตั้ง ("spike") ที่สอดคล้องกับความล่าช้าแต่ละส่วน ความสูงของแต่ละเข็มจะแสดงค่าของฟังก์ชันความสัมพันธ์กันแบบอัตโนมัติสำหรับความล่าช้า
การเชื่อมโยงกับศูนย์ล่าช้าจะเท่ากับ 1 เพราะความสัมพันธ์ระหว่างความสัมพันธ์ระหว่างคำศัพท์กับตัวเอง ราคาและราคาที่มีศูนย์ล้าหลังเป็นตัวแปรเดียวกัน
ความชันที่เพิ่มขึ้นหรือต่ำกว่าเส้นประจะถือว่า อย่างมีนัยสำคัญทางสถิติ (บทที่ 16 พูดถึงเรื่องนี้ในรายละเอียด) ซึ่งหมายความว่า spike มีค่าที่แตกต่างจากศูนย์อย่างมาก หากมีการขัดขวางอย่างมีนัยสำคัญที่แตกต่างจากศูนย์นั่นคือหลักฐานของความสัมพันธ์กัน (autocorrelation) การขัดขวางที่ใกล้เคียงกับศูนย์เป็นหลักฐานที่แสดงถึงความสัมพันธ์กับความสัมพันธ์ (autocorrelation)
ในตัวอย่างนี้ spikes มีนัยสำคัญทางสถิติสำหรับการลดลง 24 ซึ่งหมายความว่าราคาหุ้น Apple มีความสัมพันธ์กันมาก กล่าวอีกนัยหนึ่งเมื่อราคา Apple หุ้นเพิ่มขึ้นก็มีแนวโน้มที่จะเพิ่มขึ้นอย่างต่อเนื่องเมื่อราคาของหุ้นแอ็ปเปิ้ลตกลงจะมีแนวโน้มลดลงต่อ ตัวเลขนี้แสดงให้เห็นถึงสิ่งนี้
แม้ว่าราคารายวันของ Apple หุ้นจะมีความสัมพันธ์กันสูง แต่รายได้ต่อวันอาจไม่ได้ คุณคำนวณผลตอบแทนรายวันจากราคารายวันดังนี้:
ที่
r t = ผลตอบแทนที่เกิดขึ้นอย่างต่อเนื่อง ณ เวลา t
P t = ราคา ณ เวลาที่ t
Pt -1 = ราคา ณ เวลา t - 1 (ระยะหนึ่งก่อน t)
ln = logarithm ตามธรรมชาติ
ลอการิทึมธรรมชาติคือลอการิทึมที่มีฐาน e, ซึ่งมีค่าประมาณเท่ากับ 2. 71828 ….
รูปนี้แสดงพล็อตการเชื่อมโยงความสัมพันธ์แบบอัตโนมัติสำหรับผลตอบแทนรายวันไปยัง Apple หุ้นตั้งแต่วันที่ 1 มกราคม 2013 ถึงวันที่ 31 ธันวาคม 2013
พล็อต autocorrelation สำหรับผลตอบแทนรายวันไปยัง Apple หุ้นแสดงให้เห็นว่าส่วนมากของ spikes ไม่มีนัยสำคัญทางสถิติ นี่แสดงว่าผลตอบแทนไม่ได้มีความสัมพันธ์สูงดังแสดงในที่นี้
กราฟแสดงให้เห็นว่ายกเว้นภาวะตกต่ำรายใหญ่รายหนึ่ง, 2013 และ 31 ธันวาคม 2013 ไม่แสดงรูปแบบใด ๆ โดยเฉพาะ - มีแนวโน้มที่จะผันผวนแบบสุ่มรอบ ๆ ศูนย์ ซึ่งหมายความว่าผลตอบแทนส่วนใหญ่จะเป็นอิสระจากกัน
คุณสามารถใช้พล็อตความสัมพันธ์อัตโนมัติเพื่อตรวจสอบว่าองค์ประกอบของซีรีส์เวลา แบบสุ่ม (นั่นคือไม่เกี่ยวข้องกับแต่ละอื่น ๆ) นี่เป็นเรื่องสำคัญเนื่องจากการทดสอบทางสถิติหลายครั้งเกี่ยวกับชุดเวลาอิงตามสมมติฐานนี้
อย่างที่คุณเห็นมีหลายวิธีในการแสดงภาพข้อมูลของคุณ ภาพมีค่าพันคำเป็นคำพูดไป และแน่นอนถือเป็นจริงในการวิเคราะห์ข้อมูล ชุดซอฟต์แวร์ทางสถิติมาพร้อมกับเครื่องมือกราฟิกที่ง่ายต่อการใช้งาน เมื่อใช้ประโยชน์จากข้อมูลเหล่านี้คุณจะสามารถเข้าใจข้อมูลของคุณได้อย่างรวดเร็วว่าการกระทืบจำนวนไม่ได้ทำให้คุณได้จำนวนใด
