自相关:在统计学与信号处理/时间序列分析中,指一个序列在不同时间滞后(lag)下与其自身的相关程度,用来衡量数据是否存在重复模式、周期性或惯性(依赖性)。
/ˌɔːtoʊˌkɔːrəˈleɪʃən/
Autocorrelation measures how similar a time series is to itself at different lags.
自相关衡量时间序列在不同滞后下与其自身的相似程度。
High positive autocorrelation in the residuals suggests the model misses temporal structure, so we may need to add lag terms or use a different time-series model.
残差中较高的正自相关表明模型遗漏了时间结构,因此可能需要加入滞后项或改用其他时间序列模型。
由 **auto-**(“自我、自身”)与 correlation(“相关”)组合而成,字面意思是“与自身的相关”。该术语在时间序列统计与信号分析语境中广泛使用,用于描述序列对过去值的依赖程度。