自己相関とは、同じ時系列データの中で、ある時点の値と別の時点の値がどれだけ似た動きをしているかを表す指標です。時間差（ラグ）を置いたときに相関が強いほど、過去の値が現在の値に影響している可能性が高いと解釈します。
自己相関は、時系列データに周期性や持続性があるかを見極めるために使われる指標です。たとえば日次売上が「前日の売上と似た水準になりやすい」なら、ラグ1の自己相関が高くなります。曜日要因が強いデータでは、ラグ7で自己相関が高くなるなど、周期が数字として現れやすいです。
実務では、自己相関が残っている状態で通常の回帰分析を行うと、誤差が独立という前提が崩れ、検定結果が信頼しにくくなることがあります。時系列分析では、自己相関の有無を確認し、差分を取る、季節性を分離する、ARIMAのようなモデルを使うといった対応を検討します。自己相関は、データの特徴を把握し、適切なモデルや検証方法を選ぶための入口になる概念です。
