в анализе временных рядов

автокорреляция
Корреляционная связь (см. Корреляция) между значениями одного и того же случайного процесса X(t) в моменты времени t1 и t2. Функция, характеризующая эту связь, называется автокорреляционной функцией. При анализе временных рядов автокорреляционная функция характеризует внутреннюю зависимость между временным рядом и тем же рядом, но сдвинутым на некоторый промежуток (сдвиг) времени. Иначе говоря, это корреляция членов ряда и передвинутых на L единиц времени членов того же ряда: x1, x2, x3,… и x1+L, x2+L, x3+L, … Запаздывание L называется лагом и, как правило, является положительным целым числом. Поскольку большое распространение имеют модели с лагом, равным одному году, то в некоторых работах А. определяется как корреляционная зависимость между соседними значениями уровней временного ряда. А. затрудняет применение ряда классических методов анализа временных рядов. В моделях регрессии, описывающих зависимости между случайными значениями взаимосвязанных величин, она снижает эффективность применения метода наименьших квадратов. Поэтому выработаны и применяются специальные статистические приемы для ее выявления (напр. критерий Дарбина — Уотсона) и ее элиминирования (напр., преобразование временного ряда в ряд значений разностей между его соседними членами), а также для модификации самого метода наименьших квадратов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• autocorrelation
• serial correlation

автокорреляция
Корреляционная связь (см. Корреляция) между значениями одного и того же случайного процесса X(t) в моменты времени t1 и t2. Функция, характеризующая эту связь, называется автокорреляционной функцией. При анализе временных рядов автокорреляционная функция характеризует внутреннюю зависимость между временным рядом и тем же рядом, но сдвинутым на некоторый промежуток (сдвиг) времени. Иначе говоря, это корреляция членов ряда и передвинутых на L единиц времени членов того же ряда: x1, x2, x3,… и x1+L, x2+L, x3+L, … Запаздывание L называется лагом и, как правило, является положительным целым числом. Поскольку большое распространение имеют модели с лагом, равным одному году, то в некоторых работах А. определяется как корреляционная зависимость между соседними значениями уровней временного ряда. А. затрудняет применение ряда классических методов анализа временных рядов. В моделях регрессии, описывающих зависимости между случайными значениями взаимосвязанных величин, она снижает эффективность применения метода наименьших квадратов. Поэтому выработаны и применяются специальные статистические приемы для ее выявления (напр. критерий Дарбина — Уотсона) и ее элиминирования (напр., преобразование временного ряда в ряд значений разностей между его соседними членами), а также для модификации самого метода наименьших квадратов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• autocorrelation
• serial correlation

3.28 автокорреляции (autocorrelation): Корреляция между наблюдениями характеристики, упорядоченными по времени.

[ИСО 3534-2:2006, статья 2.3.28]

Источник: ГОСТ Р ИСО 7870-1-2011: Статистические методы. Контрольные карты. Часть 1. Общие принципы оригинал документа

автокорреляция
Корреляционная связь (см. Корреляция) между значениями одного и того же случайного процесса X(t) в моменты времени t1 и t2. Функция, характеризующая эту связь, называется автокорреляционной функцией. При анализе временных рядов автокорреляционная функция характеризует внутреннюю зависимость между временным рядом и тем же рядом, но сдвинутым на некоторый промежуток (сдвиг) времени. Иначе говоря, это корреляция членов ряда и передвинутых на L единиц времени членов того же ряда: x1, x2, x3,… и x1+L, x2+L, x3+L, … Запаздывание L называется лагом и, как правило, является положительным целым числом. Поскольку большое распространение имеют модели с лагом, равным одному году, то в некоторых работах А. определяется как корреляционная зависимость между соседними значениями уровней временного ряда. А. затрудняет применение ряда классических методов анализа временных рядов. В моделях регрессии, описывающих зависимости между случайными значениями взаимосвязанных величин, она снижает эффективность применения метода наименьших квадратов. Поэтому выработаны и применяются специальные статистические приемы для ее выявления (напр. критерий Дарбина — Уотсона) и ее элиминирования (напр., преобразование временного ряда в ряд значений разностей между его соседними членами), а также для модификации самого метода наименьших квадратов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• autocorrelation
• serial correlation

корреляционный анализ (в экономике)
Ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией. При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга. Рассматриваемые связи математически описываются корреляционными уравнениями (другое название — уравнение регрессии). Например, простейшим корреляционным уравнением связи между двумя переменными является уравнение прямой вида y=a+bx. При функциональной связи такая прямая точно соответствовала бы действительным значениям зависимой переменной. Если представить такую связь графически, то она проходила бы через все наблюдаемые точки y. При корреляции же соответствие, как указано, соблюдается лишь приблизительно, в общем, и точки наблюдений расположены не по прямой, а в виде «облачка», более или менее вытянутого в некотором направлении. Поэтому приходится специальными приемами находить ту линию, которая наилучшим образом отражает корреляционную зависимость, т.е. направление «облачка» (рис.К.1). Распространенный способ решения этой задачи — метод наименьших квадратов отклонений наблюдаемых значений y от значений, рассчитываемых по формуле корреляционного уравнения. Особенно широко применяется К.а. в теории производственных функций, в разработке разного рода нормативов на производстве, а также в анализе спроса и потребления. Рис. К.1 Корреляционные зависимости а — переменные x и y не коррелируют; б — слабая отрицательная корреляция; в — сильная положительная линейная корреляция
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• correlation analysis

корреляционный анализ
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

Тематики

• информационные технологии в целом

EN

• correlation analysis

корреляционный анализ (в экономике)
Ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией. При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга. Рассматриваемые связи математически описываются корреляционными уравнениями (другое название — уравнение регрессии). Например, простейшим корреляционным уравнением связи между двумя переменными является уравнение прямой вида y=a+bx. При функциональной связи такая прямая точно соответствовала бы действительным значениям зависимой переменной. Если представить такую связь графически, то она проходила бы через все наблюдаемые точки y. При корреляции же соответствие, как указано, соблюдается лишь приблизительно, в общем, и точки наблюдений расположены не по прямой, а в виде «облачка», более или менее вытянутого в некотором направлении. Поэтому приходится специальными приемами находить ту линию, которая наилучшим образом отражает корреляционную зависимость, т.е. направление «облачка» (рис.К.1). Распространенный способ решения этой задачи — метод наименьших квадратов отклонений наблюдаемых значений y от значений, рассчитываемых по формуле корреляционного уравнения. Особенно широко применяется К.а. в теории производственных функций, в разработке разного рода нормативов на производстве, а также в анализе спроса и потребления. Рис. К.1 Корреляционные зависимости а — переменные x и y не коррелируют; б — слабая отрицательная корреляция; в — сильная положительная линейная корреляция
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• correlation analysis