L’autocorrélation se produit généralement dans un ensemble de données dans lequel les motifs se répètent. Les valeurs de variables similaires, telles que le revenu ou les données économiques, par exemple, sont souvent corrélées entre elles. Les chercheurs peuvent également tomber sur l’autocorrélation par accident. Il apparaît souvent dans les études d’économie, les expériences scientifiques impliquant le traitement du signal, ainsi que dans l’optique et l’enregistrement de la musique. Généralement décrit en conjonction avec une série chronologique, le phénomène comprend plusieurs modèles que les chercheurs utilisent pour analyser ou regrouper les données.
Il y a généralement une synchronisation entre les deux variables pour que l’autocorrélation se produise. Par exemple, si le revenu d’une personne change et qu’en même temps ce flux de trésorerie peut modifier la façon dont une autre personne ou un autre groupe dépense au cours de cette période. Les données peuvent également être autocorrélées si une grève d’une entreprise ou d’un syndicat réduit la production de travail à un moment donné et que la tendance se poursuit dans une autre période mesurée. Une autocorrélation partielle est parfois possible ; il peut y avoir un décalage si les données sont corrélées au sein d’une même série au fil du temps. L’autocorrélation en série se produit généralement lorsque le décalage se produit entre différentes données dans une série chronologique.
Les modèles qui se produisent souvent avec l’autocorrélation peuvent être représentés par les modèles de courbes sur un graphique. Ces courbes peuvent être utilisées pour refléter une tendance ; cela inclut parfois des tendances à la hausse et à la baisse qui peuvent se produire dans les cycles. Des erreurs de calcul peuvent également entraîner une corrélation erronée des données, par exemple si un chercheur novice utilise les mauvaises valeurs ou variables. L’utilisation de l’extrapolation et de l’interpolation des données les corrèle parfois, alors que ne pas le faire maintient les variables séparées par rapport au temps.
L’autocorrélation peut avoir une valeur positive, surtout si la tendance d’un motif est à la hausse. Les tendances à la baisse se traduisent souvent par une valeur négative. De tels modèles sont souvent analysés en économie, mais peuvent également apparaître dans les analyses mathématiques des impulsions de signal, des champs électromagnétiques, ainsi que dans les diverses applications des statistiques. Le phénomène est souvent utilisé dans des applications aussi diverses que la mesure de la position des atomes, ainsi que l’étude de la distribution des galaxies dans l’univers.
La détection de l’autocorrélation est généralement effectuée à l’aide du test de Durbin Watson. Une statistique est mesurée mathématiquement et le fait qu’une valeur soit supérieure ou inférieure à celle d’une autre variable détermine généralement le résultat. Les chercheurs peuvent alors déterminer la pureté, et si cette caractéristique est trouvée, l’ensemble de données est souvent ramené à sa forme d’origine pour supprimer le phénomène si possible.