Часовий ряд - це сукупність даних або спостережень, які посилаються на одну або кілька змінних та упорядковані хронологічно.
Динамічні ряди дуже важливі в економіці. Оскільки в економіці майже всі змінні збираються з часом. Іншими словами, цікаво спостерігати еволюцію змінної в часі, а не конкретне значення в даний момент. Отже, щоразу, коли аналізуються економічні змінні, говорять про економічні цикли або тенденції.
Оскільки порядок даних має життєво важливе значення, слід враховувати, що це змінює аналіз та інтерпретацію даних. Отже, економетрика, яка відповідає за пошук та оцінку взаємозв’язків між економічними змінними, повинна враховувати цей факт.
Аналіз часових рядів
Беручи до уваги, що порядок даних має значення, можна сказати, що спостереження не є незалежними. Тобто минуле може вплинути на майбутнє. Економетрія повинна знати цю характеристику та використовувати математичні засоби, що дозволяють надійно робити оцінки. Безумовно:
- Порядок даних має значення.
- Спостереження не є незалежними.
- Оцінюючи стосунки, слід враховувати, що вони не є незалежними.
- Тому ви повинні використовувати різні математичні та статистичні методи.
Знаючи це, тоді варто запитати:
- Що саме означає, що спостереження не є незалежними?
- За допомогою яких методів аналізуються дані часових рядів?
Тимчасова залежність
Відповідь на перше питання стосується часової залежності. Змінна залежить від часу, коли дані минулого впливають на значення змінної в майбутньому. Наприклад, довгостроковий світовий валовий внутрішній продукт (ВВП) має тривале зростання. Що означає, що економічне зростання підтримується з часом. Тому те, що сталося в минулому, впливає на майбутнє.
Навпаки, якщо ми кинемо матрицю і запишемо дату, на яку ми кидаємо її, ми побачимо, що між минулими та теперішніми даними немає зв'язку. В останньому випадку минуле не впливає на майбутнє.
Методи аналізу даних часових рядів
Існує багато методів аналізу даних часових рядів. Однак, як правило, простіше використовувати регресійну модель. Звичайно, модель регресії, яка враховує тип часових рядів, з якими вона працює.
Одним з найбільш використовуваних і найпростіших методів може бути модифікація серії або її врахування в моделі. Наприклад, скасувати серію ВВП або включити в модель змінну тренду. Хоча це не є предметом цього визначення, ми наведемо дуже простий приклад, щоб його зрозуміли.
Давайте розглянемо наступні графіки:
Якщо ми обчислюємо регресійну модель двох попередніх серій, безумовно, розрахунки вказують на те, що існує статистична залежність. Однак цілі, які забиває Мессі, не мають нічого спільного з ростом латинської країни. Однак, усунувши компонент тренду, виявилося б, що вони взагалі не пов’язані.
Те, що описано в попередньому параграфі, це те, що багато разів трапляється із серіями, які, мабуть, пов’язані, але коли дослідження зроблено добре, вони цього не роблять.