Глава 3. Авторегрессионные модели и прогнозирование

Еще одним подходом к описанию основной тенденции временного ряда и прогнозированию является авторегрессионная модель. Ее построению предшествует оценка наличия автокорреляции в изучаемом ряду.

Автокорреляция в рядах динамики -  это зависимость между уровнями ряда или зависимость между исходным динамическим рядом и тем же рядом, но смещенным на определенный временной интервал, называемый лагом.

Автокорреляция первого порядка (first-order autocorrelation) оценивает степень зависимости между соседними значениями временного ряда. Автокорреляция второго порядка (second-order autocorrelation) оценивает тесноту связи между значениями, разделенными двумя временными интервалами, и т.д.

Наличие автокорреляции проверяется на основе коэффициентов автокорреляции. При этом в качестве результативного признака принимается переменная, содержащая фактические значения уровней исходного ряда динамики, а в качестве факторного признака переменная, содержащая фактические уровни смещенного ряда. Величина временного лага определяет порядок коэффициента автокорреляции.

Таким образом,  получаем следующие таблицы, в которых рассчитаны  коэффициенты автокорреляции для уровней самого ряда, и графики.