Autokorelacja – to pojęcie z zakresu statystyki i analizy danych, które odnosi się do zależności między wartościami danej zmiennej w różnych chwilach czasu lub obserwacjach przestrzennych. Innymi słowy, autokorelacja mierzy stopień podobieństwa między obserwacjami w danej serii czasowej lub zbiorze danych przestrzennych w różnych odstępach czasu lub miejscach.

Autokorelacja jest zjawiskiem niepożądanym w analizie danych, gdyż jej występowanie oznacza, że pomiary jakiejś zmiennej nie były od siebie niezależne.  Brak autokorelacji jest jednym z istotnych założeń niektórych modeli statystycznych, np. analizy regresji liniowej.  Sprawdzenie założenia braku autokorelacji umożliwia nam np. test Durbina-Watsona.

Przykładowo, możemy sprawdzać, jak poziom zadowolenia z życia wpływa na poczucie sprawstwa i w tym celu tworzymy badanie podłużne. Zbieramy w różnych odstępach czasu cztery pomiary obu zmiennych. Załóżmy, że okazuje się, że z każdym badaniem średni poziom zadowolenia z życia wzrastał. To, co powinniśmy zweryfikować, to fakt, czy wartości w poszczególnych pomiarach są od siebie niezależne. W takiej sytuacji autokorelacja odnosiłaby się do sytuacji, w której dla większości badanych odnotowano podobny wzrost nasilenia tej zmiennej w kolejnych pomiarach. To wskazywałoby na to, że poziom zadowolenia z życia „wpływał sam na siebie”, to znaczy uznać byśmy mogli, że wzrost zadowolenia z życia w populacji jest względnie stały, w związku z tym nie jest zależny od zmiennych mierzonych i kontrolowanych w naszym badaniu, tylko jakiegoś innego czynnika. Pomiary zmiennej w różnym czasie powinny być względnie niezależne, to znaczy nie powinny zmieniać się w taki sam sposób w obrębie kolejnych pomiarów poszczególnych obserwacji.