Zeitreihen - Was es ist, Definition und Konzept
Eine Zeitreihe ist eine Reihe von Daten oder Beobachtungen, die sich auf eine oder mehrere Variablen beziehen und chronologisch geordnet sind.
Zeitreihen sind in der Volkswirtschaftslehre sehr wichtig. Denn in der Ökonomie werden fast alle Variablen über die Zeit gesammelt. Mit anderen Worten, es ist interessant, die Entwicklung einer Variablen im Laufe der Zeit zu sehen, nicht den spezifischen Wert zu einem bestimmten Zeitpunkt. Daher spricht man immer dann, wenn ökonomische Variablen analysiert werden, von Konjunkturzyklen oder Trends.
Da die Reihenfolge der Daten von entscheidender Bedeutung ist, muss berücksichtigt werden, dass dies die Analyse und Interpretation der Daten verändert. Daher muss die Ökonometrie, die für die Suche und Schätzung von Beziehungen zwischen ökonomischen Variablen zuständig ist, dieser Tatsache Rechnung tragen.
Zeitreihenanalyse
In Anbetracht der Tatsache, dass die Reihenfolge der Daten von Bedeutung ist, können wir sagen, dass die Beobachtungen nicht unabhängig sind. Das heißt, die Vergangenheit kann die Zukunft beeinflussen. Die Ökonometrie muss sich dieser Eigenschaft bewusst sein und mathematische Werkzeuge verwenden, die es ihr ermöglichen, verlässliche Schätzungen vorzunehmen. Bestimmt:
- Die Reihenfolge der Daten ist wichtig.
- Die Beobachtungen sind nicht unabhängig.
- Bei der Schätzung von Beziehungen sollte berücksichtigt werden, dass sie nicht unabhängig sind.
- Daher müssen Sie verschiedene mathematische und statistische Techniken anwenden.
Wenn man das weiß, lohnt es sich zu fragen:
- Was genau bedeutet es, dass die Beobachtungen nicht unabhängig sind?
- Mit welchen Techniken werden Zeitreihendaten analysiert?
Vorübergehende Abhängigkeit
Die Antwort auf die erste Frage bezieht sich auf die Zeitabhängigkeit. Eine Variable ist zeitabhängig, wenn Daten aus der Vergangenheit den Wert der Variablen in der Zukunft beeinflussen. So weist beispielsweise das langfristige weltweite Bruttoinlandsprodukt (BIP) einen anhaltenden Aufwärtstrend auf. Das bedeutet, dass das Wirtschaftswachstum im Laufe der Zeit anhält. Daher hat das, was in der Vergangenheit geschah, Auswirkungen auf die Zukunft.
Im Gegenteil, wenn wir einen Würfel würfeln und das Datum aufschreiben, an dem wir würfeln, werden wir feststellen, dass es keine Beziehung zwischen vergangenen und gegenwärtigen Daten gibt. Im letzteren Fall hat die Vergangenheit keinen Einfluss auf die Zukunft.
Techniken zur Analyse von Zeitreihendaten
Es gibt viele Techniken zur Analyse von Zeitreihendaten. Was jedoch in der Regel einfacher ist, ist die Verwendung eines Regressionsmodells. Natürlich ein Regressionsmodell, das die Art der Zeitreihen berücksichtigt, mit denen es arbeitet.
Eine der am häufigsten verwendeten und einfachsten Techniken könnte darin bestehen, die Serie zu modifizieren oder im Modell zu berücksichtigen. Heben Sie beispielsweise den Trend einer BIP-Reihe auf oder nehmen Sie eine Trendvariable in das Modell auf. Obwohl dies nicht Gegenstand dieser Definition ist, werden wir ein sehr einfaches Beispiel anführen, damit es verstanden wird.
Schauen wir uns die folgenden Grafiken an:
Wenn wir ein Regressionsmodell der beiden vorherigen Reihen berechnen, deuten die Berechnungen sicherlich auf einen statistischen Zusammenhang hin. Die Tore, die Messi erzielt, haben jedoch nichts mit dem Wachstum eines lateinamerikanischen Landes zu tun. Durch die Eliminierung der Trendkomponente würde sich jedoch herausstellen, dass sie überhaupt nicht zusammenhängen.
Was im vorherigen Absatz beschrieben wurde, passiert oft bei Serien, die anscheinend miteinander verwandt sind, aber wenn die Forschung gut gemacht ist, tun sie es nicht.
