Autocorrelação refere-se ao grau de correlação entre os valores das mesmas variáveis através de diferentes observações nos dados. O conceito de autocorrelação é mais frequentemente discutido no contexto de dados de séries cronológicas em que as observações ocorrem em diferentes pontos no tempo (por exemplo, temperatura do ar medida em diferentes dias do mês). Por exemplo, pode-se esperar que a temperatura do ar no 1º dia do mês seja mais semelhante à temperatura no 2º dia em comparação com o 31º dia. Se os valores de temperatura que ocorreram mais próximos no tempo forem, de facto, mais semelhantes do que os valores de temperatura que ocorreram mais distantes no tempo, os dados seriam relacionados com a autocorrelação.
No entanto, a autocorrelação também pode ocorrer em dados transversais quando as observações estão relacionadas de alguma outra forma. Num inquérito, por exemplo, poder-se-ia esperar que pessoas de localizações geográficas próximas fornecessem respostas mais semelhantes umas às outras do que pessoas que estão mais distantes geograficamente. Da mesma forma, os estudantes da mesma turma poderão ter um desempenho mais semelhante uns aos outros do que os estudantes de turmas diferentes. Assim, a autocorrelação pode ocorrer se as observações forem dependentes de outros aspectos que não o tempo. A autocorrelação pode causar problemas em análises convencionais (como a regressão normal dos mínimos quadrados) que assumem a independência das observações.
Numa análise de regressão, a autocorrelação dos resíduos da regressão também pode ocorrer se o modelo for incorrectamente especificado. Por exemplo, se estiver a tentar modelar uma relação linear simples mas a relação observada for não linear (ou seja, segue uma função curva ou em U), então os resíduos serão autocorrelação.
Como detectar a autocorrelação
Um método comum de teste para autocorrelação é o teste de Durbin-Watson. O software estatístico como o SPSS pode incluir a opção de executar o teste de Durbin-Watson ao realizar uma análise de regressão. Os testes de Durbin-Watson produzem uma estatística de teste que varia de 0 a 4. Valores próximos de 2 (o meio da gama) sugerem menos autocorrelação, e valores próximos de 0 ou 4 indicam maior autocorrelação positiva ou negativa, respectivamente.
Páginas Web adicionais relacionadas com a autocorrelação
- Entrada e gestão de dados
- Valores ausentes nos dados
- Multicolinearidade
- Imputação múltipla para dados ausentes