En tidsserie er et sæt data eller observationer, der refererer til en eller flere variabler og bestilles kronologisk.
Tidsserier er meget vigtige i økonomien. Siden i økonomien er næsten alle variablerne samlet over tid. Med andre ord er det interessant at se udviklingen af en variabel over tid, ikke den specifikke værdi på et givet tidspunkt. Derfor, når økonomiske variabler analyseres, taler man om økonomiske cyklusser eller tendenser.
Da rækkefølgen af data er af vital betydning, skal det tages i betragtning, at dette ændrer analysen og fortolkningen af dataene. Derfor skal økonometri, der er ansvarlig for at søge efter og estimere sammenhænge mellem økonomiske variabler, tage denne kendsgerning i betragtning.
Analyse af tidsserier
Under hensyntagen til, at datarækkefølgen betyder noget, kan vi sige, at observationerne ikke er uafhængige. Det vil sige, fortiden kan påvirke fremtiden. Økonometri skal være opmærksom på denne egenskab og bruge matematiske værktøjer, der gør det muligt at foretage estimater pålideligt. Helt bestemt:
- Rækkefølgen af data betyder noget.
- Observationerne er ikke uafhængige.
- Ved estimering af relationer skal det tages i betragtning, at de ikke er uafhængige.
- Derfor skal du bruge forskellige matematiske og statistiske teknikker.
Når du ved dette, er det værd at spørge:
- Hvad betyder det nøjagtigt, at observationer ikke er uafhængige?
- Med hvilke teknikker analyseres tidsseriedata?
Midlertidig afhængighed
Svaret på det første spørgsmål henviser til tidsafhængighed. En variabel er tidsafhængig, når data fra fortiden påvirker værdien af variablen i fremtiden. For eksempel har den langsigtede verdens bruttonationalprodukt (BNP) en langvarig opadgående tendens. Hvilket betyder, at økonomisk vækst opretholdes over tid. Derfor har det, der skete tidligere, en effekt i fremtiden.
Tværtimod, hvis vi ruller en matrice og skriver datoen ned, hvor vi ruller den, vil vi se, at der ikke er noget forhold mellem tidligere og nuværende data. I sidstnævnte tilfælde påvirker fortiden ikke fremtiden.
Teknikker til analyse af tidsseriedata
Der er mange teknikker til analyse af tidsseriedata. Det, der normalt er lettere, er dog at bruge en regressionsmodel. Naturligvis en regressionsmodel, der tager højde for den type tidsserie, som den fungerer med.
En af de mest anvendte og enkleste teknikker kan være at ændre serien eller tage den i betragtning i modellen. Fjern f.eks. En BNP-serie, eller inkluder en trendvariabel i modellen. Selvom det ikke er genstanden for denne definition, vil vi sætte et meget simpelt eksempel, så det forstås.
Lad os se på følgende grafer:
Hvis vi beregner en regressionsmodel af de to foregående serier, indikerer beregningerne bestemt, at der er et statistisk forhold. De mål, som Messi scorer, har imidlertid intet at gøre med væksten i et latinsk land. Men ved at eliminere trendkomponenten, ville det vise sig, at de slet ikke er beslægtede.
Hvad der er beskrevet i forrige afsnit er noget der sker mange gange med serier, der tilsyneladende er beslægtede, men når forskningen er gjort godt, gør de det ikke.