Vremenska serija je skup podataka ili opažanja koji se odnosi na jednu ili više varijabli i poredan je kronološki.
Vremenske serije su vrlo važne u ekonomiji. Budući da se u ekonomiji s vremenom prikupljaju gotovo sve varijable. Drugim riječima, zanimljivo je vidjeti evoluciju varijable tijekom vremena, a ne određenu vrijednost u određenom trenutku. Dakle, kad god se analiziraju ekonomske varijable, govori se o ekonomskim ciklusima ili trendovima.
Budući da je redoslijed podataka od vitalne važnosti, mora se uzeti u obzir da to mijenja analizu i interpretaciju podataka. Stoga ekonometrija, koja je zadužena za traženje i procjenu odnosa između ekonomskih varijabli, mora uzeti u obzir tu činjenicu.
Analiza vremenskih serija
Uzimajući u obzir da je redoslijed podataka važan, možemo reći da opažanja nisu neovisna. Odnosno, prošlost može utjecati na budućnost. Ekonometrija mora biti svjesna ove karakteristike i koristiti se matematičkim alatima koji joj omogućuju pouzdanu procjenu. Definitivno:
- Redoslijed podataka je važan.
- Opažanja nisu neovisna.
- Pri procjeni odnosa treba uzeti u obzir da oni nisu neovisni.
- Stoga morate koristiti različite matematičke i statističke tehnike.
Znajući to, vrijedi pitati:
- Što točno znači da opažanja nisu neovisna?
- Kojim se tehnikama analiziraju podaci vremenskih serija?
Privremena ovisnost
Odgovor na prvo pitanje odnosi se na vremensku ovisnost. Varijabla ovisi o vremenu kada podaci iz prošlosti utječu na vrijednost varijable u budućnosti. Na primjer, dugoročni svjetski bruto domaći proizvod (BDP) ima produljeni trend rasta. Što znači da se ekonomski rast s vremenom održava. Stoga ono što se dogodilo u prošlosti utječe na budućnost.
Suprotno tome, ako smotrimo matricu i zapišemo datum na koji ćemo je baciti, vidjet ćemo da ne postoji veza između prošlih i sadašnjih podataka. U potonjem slučaju prošlost ne utječe na budućnost.
Tehnike za analizu podataka vremenskih serija
Postoje mnoge tehnike za analizu podataka vremenskih serija. Međutim, ono što je obično lakše jest koristiti regresijski model. Naravno, regresijski model koji uzima u obzir vrstu vremenskih serija s kojima radi.
Jedna od najčešće korištenih i najjednostavnijih tehnika mogla bi biti modifikacija serije ili njeno uzimanje u obzir u modelu. Na primjer, uklonite trend iz serije BDP-a ili u model uključite varijablu trenda. Iako to nije cilj ove definicije, dat ćemo vrlo jednostavan primjer kako bi se razumjelo.
Pogledajmo sljedeće grafikone:
Ako izračunamo regresijski model dviju prethodnih serija, zasigurno izračuni pokazuju da postoji statistički odnos. Međutim, ciljevi koje postiže Messi nemaju nikakve veze s rastom latinske zemlje. Međutim, uklanjanjem komponente trenda, ispalo bi da oni uopće nisu povezani.
Ono što je opisano u prethodnom odlomku je nešto što se događa mnogo puta sa serijama koji su očito povezani, ali kad je istraživanje dobro izvedeno, to ne čine.