Anda tidak hanya dapat melihat plot, saya pikir ini umumnya pilihan yang lebih baik. Pengujian hipotesis dalam situasi ini menjawab pertanyaan yang salah.
Plot yang biasa dilihat adalah fungsi autokorelasi (ACF) dari residu.
Fungsi autokorelasi adalah korelasi residu (sebagai deret waktu) dengan kelambatannya sendiri.
Di sini, misalnya, adalah ACF residu dari contoh kecil dari Montgomery et al
Beberapa korelasi sampel (misalnya pada keterlambatan 1,2 dan 8) tidak terlalu kecil (dan mungkin secara substansial mempengaruhi hal-hal), tetapi mereka juga tidak dapat dikatakan dari efek kebisingan (sampel sangat kecil).
Sunting: Berikut adalah plot untuk mengilustrasikan perbedaan antara seri yang tidak berkorelasi dan yang sangat berkorelasi (pada kenyataannya, yang nonstasioner)
Plot atas adalah white noise (independen). Yang lebih rendah adalah jalan acak (yang perbedaannya adalah seri asli) - ia memiliki autokorelasi yang sangat kuat.
Bukan hal yang aneh jika 5% atau kurang dari nilai autokorelasi berada di luar interval karena dapat disebabkan oleh variasi pengambilan sampel. Salah satu praktiknya adalah menghasilkan plot autokorelasi untuk 20 nilai pertama dan memeriksa apakah lebih dari satu nilai berada di luar interval yang diizinkan.
sumber