Szeregi czasowe – co to jest, definicja i pojęcie
Szeregi czasowe to zestaw danych lub obserwacji, które odnoszą się do co najmniej jednej zmiennej i są uporządkowane chronologicznie.
Szeregi czasowe są bardzo ważne w ekonomii. Ponieważ w ekonomii prawie wszystkie zmienne są gromadzone w czasie. Innymi słowy, interesujące jest obserwowanie ewolucji zmiennej w czasie, a nie konkretna wartość w danym momencie. Ilekroć więc analizuje się zmienne ekonomiczne, mówi się o cyklach lub trendach ekonomicznych.
Ponieważ kolejność danych ma kluczowe znaczenie, należy wziąć pod uwagę, że modyfikuje to analizę i interpretację danych. Dlatego ekonometria, która zajmuje się wyszukiwaniem i szacowaniem zależności między zmiennymi ekonomicznymi, musi ten fakt brać pod uwagę.
Analiza szeregów czasowych
Biorąc pod uwagę, że kolejność danych ma znaczenie, możemy powiedzieć, że obserwacje nie są niezależne. Oznacza to, że przeszłość może wpływać na przyszłość. Ekonometria musi być świadoma tej cechy i korzystać z narzędzi matematycznych, które pozwalają mu rzetelnie oszacować. Zdecydowanie:
- Kolejność danych ma znaczenie.
- Obserwacje nie są niezależne.
- Przy szacowaniu relacji należy wziąć pod uwagę, że nie są one niezależne.
- Dlatego musisz używać różnych technik matematycznych i statystycznych.
Wiedząc o tym, warto zapytać:
- Co dokładnie to znaczy, że obserwacje nie są niezależne?
- Jakimi technikami analizowane są dane szeregów czasowych?
Tymczasowa zależność
Odpowiedź na pierwsze pytanie dotyczy zależności czasowej. Zmienna jest zależna od czasu, gdy dane z przeszłości wpływają na wartość zmiennej w przyszłości. Na przykład długoterminowy światowy produkt krajowy brutto (PKB) ma przedłużoną tendencję wzrostową. Oznacza to, że wzrost gospodarczy jest podtrzymywany w czasie. Dlatego to, co wydarzyło się w przeszłości, ma wpływ na przyszłość.
Wręcz przeciwnie, jeśli rzucimy kostką i zapiszemy datę jej rzucenia, zobaczymy, że nie ma związku między przeszłymi i obecnymi danymi. W tym drugim przypadku przeszłość nie wpływa na przyszłość.
Techniki analizy danych szeregów czasowych
Istnieje wiele technik analizy danych szeregów czasowych. Jednak zwykle łatwiej jest użyć modelu regresji. Oczywiście model regresji uwzględniający rodzaj szeregów czasowych, z którymi pracuje.
Jedną z najczęściej używanych i najprostszych technik może być modyfikacja serii lub uwzględnienie jej w modelu. Na przykład, oddziel serię PKB lub uwzględnij w modelu zmienną trendu. Chociaż nie jest to przedmiotem tej definicji, podamy bardzo prosty przykład, aby był zrozumiały.
Spójrzmy na następujące wykresy:
Jeśli obliczymy model regresji dwóch poprzednich szeregów, z pewnością obliczenia wskazują, że istnieje zależność statystyczna. Jednak gole zdobyte przez Messiego nie mają nic wspólnego z rozwojem kraju latynoskiego. Jednak eliminując komponent trendu, okazałoby się, że nie są one w ogóle powiązane.
To, co opisano w poprzednim akapicie, to coś, co zdarza się wiele razy z seriami, które pozornie są ze sobą powiązane, ale gdy badania są wykonane dobrze, nie są.
