¿Qué es el análisis de datos de series temporales??
El análisis de datos de series temporales es el análisis de conjuntos de datos que cambian a lo largo de un periodo de tiempo. Los conjuntos de datos de series temporales registran observaciones de la misma variableVariable independienteUna variable independiente es un insumo, una suposición o un impulsor que se modifica para evaluar su impacto en una variable dependiente (el resultado). a lo largo de varios momentos. Analistas financierosEl papel del analista financiero utiliza datos de series temporales, como los movimientos del precio de las acciones, o una empresa’Ingresos por ventasLos ingresos por ventas son los ingresos que recibe una empresa por sus ventas de bienes o por la prestación de servicios. En contabilidad, los términos ventas y a lo largo del tiempo, para analizar una empresa’s rendimiento.
Los ejemplos de conjuntos de datos de series temporales incluyen:
Correlación
A diferencia del análisis de datos transversales, el análisis de datos de series temporales no puede hacer uso del marco de muestreo aleatorio. Esto hace que el análisis de datos de series temporales sea mucho más complejo y exigente desde el punto de vista computacional que el análisis de datos transversales. No se puede utilizar el muestreo aleatorio porque los valores pasados de una variable están casi siempre muy correlacionados con el valor presente de esa variable.
Por ejemplo, el PIB de Estados Unidos en el cuarto trimestre de 2017 está muy correlacionado con el PIB del tercer trimestre de 2017. El grado de correlaciónCorrelaciónUna correlación es una medida estadística de la relación entre dos variables. Se utiliza mejor en variables que demuestran una relación lineal entre sí. es mucho mayor que la correlación entre entidades económicas en el mismo momento.
El coeficiente de correlación entre el PIB de EE.UU. en el trimestre actual y el PIB de EE.UU. en el trimestre anterior para el período 2008 a 2018 es 0.998. El coeficiente de correlación entre el PIB de EE.UU. en el año actual y el PIB de EE.UU. en el año anterior para el período 2008 a 2018 es 0.992.
Preguntas causales y análisis de series temporales
La mayor parte del análisis económico implica el estudio de afirmaciones causales intertemporales. Los ejemplos incluyen:
Considere el ejemplo de los resultados de los exámenes: Supongamos que existe algún instrumento de política (e.g., aumentar la relación profesor-alumno) que puede utilizarse para aumentar los resultados de los exámenes del 7º grado en un 1%. Es probable que un cambio de política de este tipo sea muy costoso, y un responsable político que sólo se fije en los resultados de los exámenes del 7º curso podría no aplicar la política.
Sin embargo, supongamos que un aumento del 1% en los resultados de los exámenes del 7º grado se asocia con un 0.Aumento del 5% en los resultados de los exámenes del 8º grado. Este beneficio adicional puede hacer que merezca la pena aplicar la política.
Más recursos
Gracias por leer nuestra’s guide to Time Series Data Analysis. Para seguir avanzando en su carrera, los recursos adicionales de nuestro sitio web que aparecen a continuación le serán útiles: