Aikariippuvuus on monien aikasarjatietojen ominaisuus, joka osoittaa, että menneisyys vaikuttaa tulevaisuuteen.
Toisin sanoen tänä vuonna kerätyn muuttujan arvo riippuu suurelta osin mainitun muuttujan tietojen arvosta viime vuonna. Aikariippuvuus on ominaisuus, joka on otettava huomioon ekonometrisissä tutkimuksissa. Joissakin tapauksissa voit parantaa arvioita. Jos se analysoidaan väärin, se voi kuitenkin johtaa suuriin arviointivirheisiin.
Aikariippuvuus ei tietenkään vaikuta kaikkiin aikasarjatietoihin yhtäläisesti. Aikasarjoja on neljä päätyyppiä. Nämä neljä päätyyppiä on esitetty yhteenvetona seuraavassa taulukossa:
Tyyppi, johon he yleensä vaikuttavat, ovat tyypit 2 ja 4. Toisin sanoen, kun keskiarvo kasvaa tai laskee (ei vakio). Toisin sanoen, kun muuttuja on nousussa tai laskussa. Aikariippuvuus voi kuitenkin vaikuttaa myös tyyppiin 3. Hyvin harvoin se vaikuttaa tyyppiin 4.
Perustelut ovat suoraviivaisia. Aikariippuvuus ei muuta tyyppiä 4, koska kuluvasta ajasta riippumatta sarja kiertää vain muutaman rajan. Menneisyydessä tapahtunut ei palvele tulevaisuuden ennustamista.
Esimerkkejä aikariippuvuudesta
Aikariippuvuus määrittelee tosiasian, että tällä hetkellä keräämämme tiedot riippuvat aikaisemmasta kehityksestä. Esimerkiksi bruttokansantuotteen (BKT) nykyinen arvo riippuu muun muassa menneisyyden arvosta. Jos viime vuonna sen arvo oli 100 miljoonaa, korkeintaan tänä vuonna se värähtelee välillä 90 ja 110. Ja puhumme erittäin suuresta vaihteluvälistä. Joka tapauksessa arvo ei nouse 100: sta 10 miljoonaan. Seuraava kaavio näyttää maan BKT: n kehityksen 40 vuoden aikana.
Toinen hyvin yksinkertainen esimerkki voisi olla julkisesti noteeratun yrityksen osakkeet. Jos eilen jokaisen osakkeen arvo oli 5 euroa, on tavallista, että tänään sen hinta on 4,5 - 5,5 euroa. Toistamme, että puhumme hyvin laajasta vaihteluvalikoimasta. Hyvin harvinaista on, että se menee 5-10 euroon päivässä tai 5 eurosta 1 euroon. Eli se on erittäin epätodennäköistä. Seuraava kaavio kuvaa osakkeen kehitystä viiden vuoden aikana.
Johtopäätöksenä voimme sanoa, että monet taloudellisten muuttujien aikasarjojen tiedot esittävät aikariippuvuutta. Se, että he esittävät aikariippuvuutta, ei ole huono eikä hyvä, vain erilainen. Joten tämä ero on käsiteltävä asiaankuuluvilla tekniikoilla.