Мало того, что вы можете посмотреть на сюжет, я думаю, что это вообще лучший вариант. Проверка гипотезы в этой ситуации дает неверный ответ.
Обычный график, на который нужно смотреть, - это автокорреляционная функция (ACF) остатков.
Автокорреляционная функция является соотношение остатков (как временной ряд) со своими лагами.
Вот, например, ACF остатков из небольшого примера от Montgomery et al.
Некоторые из выборочных корреляций (например, с лагом 1,2 и 8) не особенно малы (и поэтому могут существенно влиять на вещи), но их также нельзя отличить от воздействия шума (выборка очень мала).
Изменить: Вот график, чтобы проиллюстрировать разницу между некоррелированной и сильно коррелированной серией (на самом деле, нестационарной)
Верхний участок - белый шум (независимый). Нижняя - это случайная прогулка (отличия которой от оригинальной серии) - она имеет очень сильную автокорреляцию.
Это не является необычным, если 5% или менее значений автокорреляции выходят за пределы интервалов, поскольку это может быть связано с изменением выборки. Один из методов - создать график автокорреляции для первых 20 значений и проверить, выходит ли более одного значения за допустимые интервалы.
источник