Aikasarja on joukko tietoja tai havaintoja, jotka viittaavat yhteen tai useampaan muuttujaan ja on järjestetty kronologisesti.
Aikasarjat ovat erittäin tärkeitä taloustieteessä. Koska taloustieteessä melkein kaikki muuttujat kerätään ajan myötä. Toisin sanoen on mielenkiintoista nähdä muuttujan kehitys ajan kuluessa, ei tietyn ajankohtainen arvo. Siksi aina, kun taloudellisia muuttujia analysoidaan, puhutaan suhdanteista tai suuntauksista.
Koska tietojen järjestys on elintärkeää, on otettava huomioon, että tämä muuttaa tietojen analysointia ja tulkintaa. Näin ollen ekonometrian, jonka tehtävänä on etsiä ja arvioida taloudellisten muuttujien välisiä suhteita, on otettava tämä huomioon.
Aikasarjan analyysi
Ottaen huomioon, että tietojen järjestyksellä on merkitystä, voimme sanoa, että havainnot eivät ole riippumattomia. Toisin sanoen menneisyys voi vaikuttaa tulevaisuuteen. Ekonometrian on oltava tietoinen tästä ominaisuudesta ja käytettävä matemaattisia työkaluja, joiden avulla se voi tehdä arvioita luotettavasti. Ehdottomasti:
- Tietojen järjestyksellä on merkitystä.
- Huomautukset eivät ole riippumattomia.
- Suhteita arvioitaessa on otettava huomioon, että ne eivät ole riippumattomia.
- Siksi sinun on käytettävä erilaisia matemaattisia ja tilastollisia tekniikoita.
Tietäen tämän, kannattaa kysyä:
- Mitä tarkalleen tarkoittaa, että havainnot eivät ole riippumattomia?
- Millä tekniikoilla aikasarjatietoja analysoidaan?
Väliaikainen riippuvuus
Ensimmäiseen kysymykseen annettava vastaus viittaa aikariippuvuuteen. Muuttuja on ajasta riippuvainen, kun menneisyyden tiedot vaikuttavat muuttujan arvoon tulevaisuudessa. Esimerkiksi maailman pitkäaikaisella bruttokansantuotteella (BKT) on pitkittynyt nousutrendi. Mikä tarkoittaa, että talouskasvu jatkuu ajan myötä. Siksi menneisyydellä on vaikutusta tulevaisuuteen.
Päinvastoin, jos heitämme muotin ja kirjoitamme päivämäärän, jolloin se rullataan, huomaamme, että menneiden ja nykyisten tietojen välillä ei ole yhteyttä. Jälkimmäisessä tapauksessa menneisyys ei vaikuta tulevaisuuteen.
Aikasarjatietojen analysointitekniikat
Aikasarjatietojen analysointiin on monia tekniikoita. Tavallisesti helpompaa on kuitenkin käyttää regressiomallia. Tietenkin regressiomalli, joka ottaa huomioon aikasarjatyypin, jolla se toimii.
Yksi käytetyimmistä ja yksinkertaisimmista tekniikoista voisi olla sarjan muokkaaminen tai ottaminen huomioon mallissa. Voit esimerkiksi poistaa trendin BKT-sarjoista tai sisällyttää malliin trendimuuttujan. Vaikka se ei ole tämän määritelmän kohde, annamme hyvin yksinkertaisen esimerkin, jotta se ymmärretään.
Tarkastellaan seuraavia kaavioita:
Jos laskemme kahden edellisen sarjan regressiomallin, laskelmat osoittavat varmasti, että tilastollinen suhde on olemassa. Messi-pisteillä ei kuitenkaan ole mitään tekemistä Latinalaisen maan kasvun kanssa. Poistamalla trendikomponentti käy kuitenkin ilmi, että ne eivät ole lainkaan sukulaisia.
Mitä edellisessä kappaleessa kuvataan, tapahtuu jotain monta kertaa ilmeisesti toisiinsa liittyvien sarjojen kanssa, mutta kun tutkimus tehdään hyvin, niin ei.