En tidsserie är en uppsättning data eller observationer som hänvisar till en eller flera variabler och ordnas kronologiskt.
Tidsserier är mycket viktiga i ekonomin. Eftersom i ekonomin samlas nästan alla variabler över tiden. Med andra ord är det intressant att se utvecklingen av en variabel över tiden, inte det specifika värdet vid ett givet ögonblick. Därför, när ekonomiska variabler analyseras, talar man om ekonomiska cykler eller trender.
Eftersom ordningsföljden är av avgörande betydelse måste det tas i beaktande att detta modifierar analysen och tolkningen av uppgif.webpterna. Därför måste ekonometri, som ansvarar för att söka efter och uppskatta samband mellan ekonomiska variabler, ta hänsyn till detta.
Analys av tidsserier
Med hänsyn till att dataföljden betyder något kan vi säga att observationerna inte är oberoende. Det vill säga det förflutna kan påverka framtiden. Ekonometri måste vara medveten om denna egenskap och använda matematiska verktyg som gör det möjligt att göra uppskattningar på ett tillförlitligt sätt. Definitivt:
- Uppgif.webpternas ordning är viktig.
- Observationerna är inte oberoende.
- När man uppskattar relationer bör man ta hänsyn till att de inte är oberoende.
- Därför måste du använda olika matematiska och statistiska tekniker.
Att veta detta är det värt att fråga:
- Vad betyder det exakt att observationerna inte är oberoende?
- Med vilka tekniker analyseras tidsseriedata?
Tillfälligt beroende
Svaret på den första frågan avser tidsberoende. En variabel är tidsberoende när data från det förflutna påverkar variabelns värde i framtiden. Till exempel har den långsiktiga världens bruttonationalprodukt (BNP) en långvarig uppåtgående trend. Vilket innebär att den ekonomiska tillväxten upprätthålls över tiden. Därför har det som hände tidigare en effekt i framtiden.
Tvärtom, om vi rullar en form och skriver ner datumet då vi rullar den, kommer vi att se att det inte finns något samband mellan tidigare och nuvarande data. I det senare fallet påverkar inte det förflutna framtiden.
Tekniker för analys av tidsseriedata
Det finns många tekniker för analys av tidsseriedata. Vad som vanligtvis är lättare är dock att använda en regressionsmodell. Naturligtvis en regressionsmodell som tar hänsyn till vilken typ av tidsserie som den fungerar med.
En av de mest använda och enklaste teknikerna kan vara att ändra serien eller ta hänsyn till den i modellen. Ta till exempel bort en BNP-serie eller inkludera en trendvariabel i modellen. Även om det inte är föremålet för denna definition kommer vi att lägga ett mycket enkelt exempel så att det förstås.
Låt oss titta på följande diagram:
Om vi beräknar en regressionsmodell för de två föregående serierna beräknar beräkningarna att det finns ett statistiskt samband. Men de mål som Messi gör har inget att göra med tillväxten i ett latinskt land. Men genom att eliminera trendkomponenten skulle det visa sig att de inte är relaterade alls.
Det som beskrivs i föregående stycke är något som händer många gånger med serier som uppenbarligen är relaterade, men när forskningen görs bra gör de det inte.