Časová řada je sada dat nebo pozorování, která odkazuje na jednu nebo více proměnných a je řazena chronologicky.
Časové řady jsou v ekonomii velmi důležité. Protože v ekonomii jsou téměř všechny proměnné shromažďovány v průběhu času. Jinými slovy, je zajímavé sledovat vývoj proměnné v čase, nikoli konkrétní hodnotu v daném okamžiku. Kdykoli se tedy analyzují ekonomické proměnné, hovoří se o ekonomických cyklech nebo trendech.
Vzhledem k tomu, že pořadí údajů má zásadní význam, je třeba vzít v úvahu, že to mění analýzu a interpretaci údajů. Tuto skutečnost tedy musí vzít v úvahu ekonometrie, která má na starosti hledání a odhadování vztahů mezi ekonomickými proměnnými.
Analýza časových řad
Vezmeme-li v úvahu, že na pořadí údajů záleží, můžeme říci, že pozorování nejsou nezávislá. To znamená, že minulost může ovlivnit budoucnost. Ekonometrie si musí být této charakteristiky vědoma a používat matematické nástroje, které jí umožňují spolehlivě provádět odhady. Rozhodně:
- Na pořadí údajů záleží.
- Pozorování nejsou nezávislá.
- Při odhadování vztahů je třeba vzít v úvahu, že nejsou nezávislé.
- Proto musíte použít různé matematické a statistické techniky.
Když to víme, pak stojí za to se zeptat:
- Co přesně to znamená, že pozorování nejsou nezávislá?
- S jakými technikami jsou data časových řad analyzována?
Dočasná závislost
Odpověď na první otázku se týká časové závislosti. Proměnná je časově závislá, když data z minulosti ovlivňují hodnotu proměnné v budoucnosti. Například dlouhodobý světový hrubý domácí produkt (HDP) má prodloužený trend. Což znamená, že ekonomický růst je dlouhodobě udržován. Proto to, co se stalo v minulosti, má účinek v budoucnosti.
Naopak, pokud hodíme kostkou a zapíšeme si datum, kdy ji hodíme, uvidíme, že neexistuje žádný vztah mezi minulými a současnými daty. V druhém případě minulost nemá vliv na budoucnost.
Techniky pro analýzu dat časových řad
Existuje mnoho technik pro analýzu dat časových řad. Obvykle je však snazší použít regresní model. Samozřejmě regresní model, který bere v úvahu typ časové řady, se kterou pracuje.
Jednou z nejpoužívanějších a nejjednodušších technik může být úprava série nebo její zohlednění v modelu. Například uvolněte trend řady HDP nebo zahrňte do modelu proměnnou trendu. Ačkoli to není předmětem této definice, uvedeme velmi jednoduchý příklad, aby byla pochopena.
Podívejme se na následující grafy:
Pokud vypočítáme regresní model dvou předchozích řad, výpočty jistě naznačují, že existuje statistický vztah. Cíle, které Messi dává, však nemají nic společného s růstem latinské země. Vyloučením trendové složky by však vyšlo najevo, že spolu vůbec nesouvisí.
To, co je popsáno v předchozím odstavci, se stane něco, co se mnohokrát děje se sériemi, které zjevně souvisejí, ale když je výzkum proveden dobře, nejsou.