Une série chronologique est un ensemble de données ou d'observations qui se réfèrent à une ou plusieurs variables et sont classées chronologiquement.
Les séries chronologiques sont très importantes en économie. Car, en économie, presque toutes les variables sont collectées dans le temps. En d'autres termes, il est intéressant de voir l'évolution d'une variable dans le temps, pas la valeur spécifique à un moment donné. Ainsi, chaque fois que des variables économiques sont analysées, on parle de cycles ou de tendances économiques.
L'ordre des données étant d'une importance vitale, il faut tenir compte du fait que cela modifie l'analyse et l'interprétation des données. L'économétrie, chargée de rechercher et d'estimer les relations entre les variables économiques, doit donc tenir compte de ce fait.
Analyse des séries chronologiques
Compte tenu du fait que l'ordre des données compte, on peut dire que les observations ne sont pas indépendantes. C'est-à-dire que le passé peut affecter l'avenir. L'économétrie doit être consciente de cette caractéristique et utiliser des outils mathématiques qui lui permettent de faire des estimations de manière fiable. Finalement:
- L'ordre des données est important.
- Les observations ne sont pas indépendantes.
- Lors de l'estimation des relations, il faut tenir compte du fait qu'elles ne sont pas indépendantes.
- Par conséquent, vous devez utiliser différentes techniques mathématiques et statistiques.
Sachant cela, alors il vaut la peine de se demander :
- Que signifie exactement le fait que les observations ne sont pas indépendantes ?
- Avec quelles techniques les données de séries chronologiques sont-elles analysées ?
Dépendance temporaire
La réponse à la première question fait référence à la dépendance temporelle. Une variable est dépendante du temps lorsque les données du passé affectent la valeur de la variable dans le futur. Par exemple, le produit intérieur brut (PIB) mondial à long terme a une tendance haussière prolongée. Ce qui signifie que la croissance économique est soutenue dans le temps. Par conséquent, ce qui s'est passé dans le passé a un effet dans le futur.
Au contraire, si nous lançons un dé et notons la date à laquelle nous la lançons, nous verrons qu'il n'y a aucune relation entre les données passées et présentes. Dans ce dernier cas, le passé n'affecte pas le futur.
Techniques d'analyse des données de séries chronologiques
Il existe de nombreuses techniques pour analyser les données de séries chronologiques. Cependant, ce qui est généralement plus facile, c'est d'utiliser un modèle de régression. Bien sûr, un modèle de régression qui prend en compte le type de séries temporelles avec lequel il fonctionne.
Une des techniques les plus utilisées et les plus simples pourrait être de modifier la série ou de la prendre en compte dans le modèle. Par exemple, annulez la tendance d'une série de PIB ou incluez une variable de tendance dans le modèle. Bien que ce ne soit pas l'objet de cette définition, nous mettrons un exemple très simple pour qu'il soit compris.
Regardons les graphiques suivants :
Si nous calculons un modèle de régression des deux séries précédentes, les calculs indiquent sûrement qu'il existe une relation statistique. Cependant, les buts marqués par Messi n'ont rien à voir avec la croissance d'un pays latin. Cependant, en éliminant la composante de tendance, il apparaîtrait qu'ils ne sont pas du tout liés.
Ce qui est décrit dans le paragraphe précédent est quelque chose qui arrive plusieurs fois avec des séries qui sont apparemment liées, mais quand la recherche est bien faite, ce n'est pas le cas.
