Bir zaman serisi, bir veya daha fazla değişkene atıfta bulunan ve kronolojik olarak sıralanan bir veri veya gözlem kümesidir.
Ekonomide zaman serileri çok önemlidir. Çünkü ekonomide neredeyse tüm değişkenler zamanla toplanır. Başka bir deyişle, belirli bir andaki belirli bir değeri değil, bir değişkenin zaman içindeki gelişimini görmek ilginçtir. Bu nedenle, ekonomik değişkenler analiz edildiğinde, ekonomik döngülerden veya eğilimlerden söz edilir.
Verilerin sırası hayati önem taşıdığından, bunun verilerin analizini ve yorumlanmasını değiştirdiği dikkate alınmalıdır. Dolayısıyla, ekonomik değişkenler arasındaki ilişkileri araştırmak ve tahmin etmekle görevli olan ekonometri, bu gerçeği hesaba katmalıdır.
Zaman serisi analizi
Verilerin sırasının önemli olduğunu dikkate alarak gözlemlerin bağımsız olmadığını söyleyebiliriz. Yani geçmiş geleceği etkileyebilir. Ekonometri bu özelliğin farkında olmalı ve güvenilir bir şekilde tahminler yapmasına izin veren matematiksel araçları kullanmalıdır. Kesinlikle:
- Verilerin sırası önemlidir.
- Gözlemler bağımsız değildir.
- İlişkileri tahmin ederken, bağımsız olmadıkları dikkate alınmalıdır.
- Bu nedenle farklı matematiksel ve istatistiksel teknikler kullanmalısınız.
Bunu bilerek, sormakta fayda var:
- Gözlemlerin bağımsız olmadığı tam olarak ne anlama geliyor?
- Zaman serisi verileri hangi tekniklerle analiz edilir?
Geçici bağımlılık
İlk sorunun cevabı zaman bağımlılığı ile ilgilidir. Bir değişken, geçmişten gelen veriler gelecekteki değişkenin değerini etkilediğinde zamana bağlıdır. Örneğin, uzun vadeli dünya Gayri Safi Yurtiçi Hasıla (GSYİH) uzun süreli bir yükseliş trendine sahiptir. Bu, ekonomik büyümenin zaman içinde sürdürüldüğü anlamına gelir. Dolayısıyla geçmişte yaşananların gelecekte de etkisi vardır.
Tam tersine bir zar atıp attığımız tarihi yazarsak geçmiş ve şimdiki veriler arasında bir ilişki olmadığını görürüz. İkinci durumda, geçmiş geleceği etkilemez.
Zaman Serisi Verilerini Analiz Etme Teknikleri
Zaman serisi verilerini analiz etmek için birçok teknik vardır. Ancak, genellikle daha kolay olan, bir regresyon modeli kullanmaktır. Tabii ki, birlikte çalıştığı zaman serisinin türünü dikkate alan bir regresyon modeli.
En çok kullanılan ve en basit tekniklerden biri, seriyi değiştirmek veya modelde dikkate almak olabilir. Örneğin, bir GSYİH serisinin trendini kaldırın veya modele bir trend değişkeni ekleyin. Bu tanımın konusu olmasa da anlaşılması için çok basit bir örnek koyacağız.
Aşağıdaki grafiklere bakalım:
Önceki iki serinin bir regresyon modelini hesaplarsak, elbette hesaplamalar istatistiksel bir ilişki olduğunu gösteriyor. Ancak Messi'nin attığı gollerin bir Latin ülkesinin büyümesiyle hiçbir ilgisi yok. Ancak, trend bileşenini ortadan kaldırarak, bunların hiç ilişkili olmadığı ortaya çıkacaktır.
Bir önceki paragrafta anlatılan şey, görünüşte bağlantılı olan dizilerde pek çok kez olan bir şeydir, ancak araştırma iyi yapıldığında, olmazlar.