Análisis de datos de series de tiempo: descripción general, preguntas causales, correlación

 

¿Qué es el análisis de datos de series de tiempo?

El análisis de datos de series de tiempo es el análisis de conjuntos de datos que cambian durante un período de tiempo. Los conjuntos de datos de series de tiempo registran observaciones del mismo variable en varios puntos de tiempo. Analistas financieros utilizar datos de series de tiempo como los movimientos del precio de las acciones o Ventas a lo largo del tiempo, para analizar el desempeño de una empresa.

Análisis de series de tiempo: gráfico con variable de tiempo en el eje xy variable dependiente en el eje y

Los ejemplos de conjuntos de datos de series de tiempo incluyen:

  • los Producto interno bruto (PIB) de los Estados Unidos de América entre 2010 y 2015 – La unidad económica de análisis son los Estados Unidos de América. La unidad económica de análisis es para el período 2010-2015. Una entrada típica de este conjunto de datos sería (2012, $ 16,16 billones).
  • El PIB per cápita de Alemania entre 2008 y 2018 – La unidad económica de análisis es Alemania. La unidad económica de análisis es para el período de tiempo 2008-2018. Una entrada típica de este conjunto de datos sería (2010, $ 41,700).
  • Total de acero exportado por India entre 2000 y 2018: la unidad económica de análisis es India. La unidad económica de análisis es para el período 2000-2018. Una entrada típica de este conjunto de datos sería (2015, $ 3,17 mil millones).
  • Total de naranjas consumidas por un hogar específico en Ghana entre 2008 y 2018: la unidad económica de análisis es un hogar específico en Ghana (por ejemplo, Hogar 302). La unidad económica de análisis es para el período de tiempo 2008-2018. Una entrada típica de este conjunto de datos sería (2018, 200).

Correlación

A diferencia del análisis de datos transversales, el análisis de datos de series de tiempo no puede utilizar el marco de muestreo aleatorio. Esto hace que el análisis de datos de series de tiempo sea mucho más complejo y exigente computacionalmente que el análisis de datos transversales. El muestreo aleatorio no se puede utilizar porque los valores pasados ​​de una variable casi siempre están altamente correlacionados con el valor presente de esa variable.

Por ejemplo, el PIB de los EE. UU. En el cuarto trimestre de 2017 está altamente correlacionado con el PIB en el tercer trimestre de 2017. El grado de correlación es mucho más alta 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.

Análisis de series temporales

Figura 1. Diagrama de dispersión del PIB de EE. UU. 2008-2018

Preguntas causales y análisis de series de tiempo

La mayor parte del análisis económico implica el estudio de afirmaciones causales intertemporales. Ejemplos incluyen:

  • ¿Cuánto afecta un aumento del 1% en el PIB del período actual al PIB del período futuro?
  • ¿Cómo afecta la tasa de desempleo pasada a la tasa de desempleo?
  • ¿Cuál es el efecto de un aumento del 1% en las calificaciones de las pruebas de séptimo grado sobre las calificaciones de las pruebas de octavo grado?

Considere el ejemplo de los puntajes de las pruebas: suponga que existe algún instrumento de política (por ejemplo, aumentar la proporción maestro-alumno) que se puede utilizar para aumentar los puntajes de las pruebas de séptimo grado en un 1%. Es probable que un cambio de política de este tipo sea muy costoso y un legislador que solo observe los puntajes de las pruebas de séptimo grado podría no implementar la política.

Sin embargo, suponga que un aumento del 1% en las calificaciones de las pruebas de grado 7 se asocia con un aumento del 0,5% en las calificaciones de las pruebas de grado 8. Este beneficio adicional puede hacer que valga la pena implementar la política.