Una serie temporale è un insieme di dati o osservazioni che fa riferimento a una o più variabili ed è ordinato cronologicamente.
Le serie temporali sono molto importanti in economia. Poiché, in economia, quasi tutte le variabili vengono raccolte nel tempo. In altre parole, è interessante vedere l'evoluzione di una variabile nel tempo, non il valore specifico in un dato momento. Quindi, ogni volta che si analizzano variabili economiche, si parla di cicli o tendenze economiche.
Poiché l'ordine dei dati è di vitale importanza, si deve tener conto che questo modifica l'analisi e l'interpretazione dei dati. Pertanto, l'econometria, che ha il compito di ricercare e stimare le relazioni tra le variabili economiche, deve tener conto di questo fatto.
Analisi delle serie temporali
Tenendo conto che l'ordine dei dati è importante, possiamo dire che le osservazioni non sono indipendenti. Cioè, il passato può influenzare il futuro. L'econometria deve essere consapevole di questa caratteristica e utilizzare strumenti matematici che le consentano di effettuare stime attendibili. Decisamente:
- L'ordine dei dati è importante.
- Le osservazioni non sono indipendenti.
- Quando si stimano le relazioni, si dovrebbe tenere conto del fatto che non sono indipendenti.
- Pertanto, è necessario utilizzare diverse tecniche matematiche e statistiche.
Sapendo questo, allora vale la pena chiedersi:
- Cosa significa esattamente che le osservazioni non sono indipendenti?
- Con quali tecniche vengono analizzati i dati delle serie temporali?
Dipendenza temporanea
La risposta alla prima domanda si riferisce alla dipendenza dal tempo. Una variabile è dipendente dal tempo quando i dati del passato influenzano il valore della variabile in futuro. Ad esempio, il prodotto interno lordo (PIL) mondiale a lungo termine ha una tendenza al rialzo prolungata. Il che significa che la crescita economica è sostenuta nel tempo. Pertanto, ciò che è accaduto in passato ha un effetto nel futuro.
Al contrario, se tiriamo un dado e scriviamo la data in cui lo lanciamo, vedremo che non c'è relazione tra i dati passati e quelli presenti. In quest'ultimo caso, il passato non influisce sul futuro.
Tecniche per l'analisi dei dati delle serie temporali
Esistono molte tecniche per analizzare i dati delle serie temporali. Tuttavia, ciò che di solito è più semplice è utilizzare un modello di regressione. Ovviamente un modello di regressione che tenga conto del tipo di serie storiche con cui lavora.
Una delle tecniche più utilizzate e più semplici potrebbe essere quella di modificare la serie o tenerne conto nel modello. Ad esempio, annulla una serie di PIL o includi una variabile di tendenza nel modello. Sebbene non sia oggetto di questa definizione, metteremo un esempio molto semplice in modo che sia compreso.
Osserviamo i seguenti grafici:
Se calcoliamo un modello di regressione delle due serie precedenti, sicuramente i calcoli indicano che esiste una relazione statistica. Tuttavia, i gol che mette a segno Messi non hanno nulla a che fare con la crescita di un paese latino. Tuttavia, eliminando la componente trend, risulterebbe che non sono affatto correlati.
Quello che è descritto nel paragrafo precedente è qualcosa che accade molte volte con serie apparentemente correlate, ma quando la ricerca è fatta bene, non lo fanno.
