Uma série temporal é um conjunto de dados ou observações que se refere a uma ou mais variáveis e é ordenado cronologicamente.
As séries temporais são muito importantes na economia. Pois, na economia, quase todas as variáveis são coletadas ao longo do tempo. Em outras palavras, é interessante ver a evolução de uma variável ao longo do tempo, não o valor específico em um determinado momento. Assim, sempre que as variáveis econômicas são analisadas, fala-se de ciclos ou tendências econômicas.
Uma vez que a ordem dos dados é de vital importância, deve-se levar em consideração que isso modifica a análise e a interpretação dos dados. Portanto, a econometria, que se encarrega de buscar e estimar as relações entre as variáveis econômicas, deve levar esse fato em consideração.
Análise de série temporal
Levando em consideração que a ordem dos dados é importante, podemos dizer que as observações não são independentes. Ou seja, o passado pode afetar o futuro. A econometria deve estar atenta a essa característica e usar ferramentas matemáticas que lhe permitam fazer estimativas com segurança. Em definitivo:
- A ordem dos dados é importante.
- As observações não são independentes.
- Ao estimar relacionamentos, deve-se levar em consideração que eles não são independentes.
- Portanto, você deve usar diferentes técnicas matemáticas e estatísticas.
Sabendo disso, vale a pena perguntar:
- O que exatamente significa que as observações não são independentes?
- Com que técnicas os dados de séries temporais são analisados?
Dependência temporária
A resposta à primeira pergunta refere-se à dependência do tempo. Uma variável depende do tempo quando os dados do passado afetam o valor da variável no futuro. Por exemplo, o Produto Interno Bruto (PIB) mundial de longo prazo tem uma tendência de alta prolongada. O que significa que o crescimento econômico é sustentado ao longo do tempo. Portanto, o que aconteceu no passado tem efeito no futuro.
Pelo contrário, se lançarmos um dado e anotarmos a data em que o lançamos, veremos que não há relação entre os dados do passado e do presente. Neste último caso, o passado não afeta o futuro.
Técnicas para analisar dados de séries temporais
Existem muitas técnicas para analisar dados de séries temporais. No entanto, o que geralmente é mais fácil é usar um modelo de regressão. Claro, um modelo de regressão que leva em conta o tipo de série temporal com a qual trabalha.
Uma das técnicas mais utilizadas e mais simples pode ser modificar a série ou levá-la em consideração no modelo. Por exemplo, retire a tendência de uma série do PIB ou inclua uma variável de tendência no modelo. Embora não seja o objeto desta definição, colocaremos um exemplo muito simples para que seja compreendido.
Vejamos os seguintes gráficos:
Se calcularmos um modelo de regressão das duas séries anteriores, certamente os cálculos indicam que existe uma relação estatística. No entanto, os gols marcados por Messi nada têm a ver com o crescimento de um país latino. No entanto, ao eliminar o componente de tendência, descobriria que eles não estão relacionados de forma alguma.
O que está descrito no parágrafo anterior é algo que acontece muitas vezes com séries que aparentemente estão relacionadas, mas quando a pesquisa é bem feita, não o fazem.