Telusuri autokorelasi dengan lag plot

6.7.24

Telusuri autokorelasi dengan lag plot

Diperbarui 2020-03-14 Baca 1 menit

Untuk melihat autokorelasi pada deret waktu, plot nilai periode sebelumnya vs nilai saat ini. Jika condong ke kanan atas, autokorelasinya kuat.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(11)
series = np.cumsum(rng.normal(0, 1.2, size=120)) + 50
lag = 1

x_prev = series[:-lag]
x_curr = series[lag:]

fig, ax = plt.subplots(figsize=(4.4, 4.4))
ax.scatter(x_prev, x_curr, color="#38bdf8", alpha=0.7)

coef = np.corrcoef(x_prev, x_curr)[0, 1]
ax.set_xlabel("Nilai t-1")
ax.set_ylabel("Nilai saat ini")
ax.set_title(f"Scatter lag {lag} (korelasi {coef:.2f})")
ax.grid(alpha=0.2)

lims = [min(series) - 2, max(series) + 2]
ax.plot(lims, lims, color="#475569", linestyle="--", linewidth=1)
ax.set_xlim(lims)
ax.set_ylim(lims)

fig.tight_layout()

plt.show()

Kemiringan ke kanan atas menandakan autokorelasi kuat.

Kiat membaca #

  • Titik yang membentuk garis naik menunjukkan autokorelasi kuat dan tren yang bertahan.
  • Sebaran melingkar mengindikasikan autokorelasi lemah, mirip random walk.
  • Bandingkan beberapa lag dalam small multiples untuk memilih lag yang paling berguna.