autocorrelation

autocorrelation（自己相関）は、統計学や時系列分析において、ある時点のデータが過去の自分自身の値とどの程度関連しているかを測定する概念です。例えば、今日の気温は昨日の気温と強い関係があるため、これは正の自己相関があると言えます。この概念を理解することは、データの傾向や周期性を把握し、将来の値を予測するモデルを構築する上で不可欠です。

相関と自己相関の違い

一般的な correlation（相関）が、身長と体重のように異なる二つの変数の間の関係性を調べるのに対し、autocorrelation は単一の変数が時間的にずれた自分自身とどのような関係にあるかに焦点を当てます。そのため、autocorrelation は主に時系列データや空間データなどの構造的な依存関係を分析する際に用いられます。

分析における注意点

統計的な推論において、データに強い自己相関が存在する場合、標準的な回帰分析などの前提条件である誤差項の独立性が崩れることがあります。これにより、統計的な有意性の判定が不正確になるリスクがあるため、分析者は事前に自己相関の有無を確認し、必要に応じて適切なモデル（自己回帰モデルなど）を選択する必要があります。