Analys av tidsseriedata
Tidsseriedata är observationer över tid av samma variabel, exempelvis arbetslöshet, BNP eller konsumtion. Att analysera tidsseriedata kan innebära en rad utmaningar. Aziz Ali har undersökt detta i sin avhandling och presenterar metoder som är mindre känsliga för mätfel i tidseriedata.
För att kunna dra korrekta och meningsfulla slutsatser från tidsseriedata måste man använda sig av rätt statistisk metod. Först måste man komma fram till ifall den tidsseriedata man vill analysera är stationär eller icke-stationär, vilket kan vara en utmaning med flera potentiella fallgropar. Stationär tidsseriedata fluktuerar kring ett konstant värde eller en trend, medan icke-stationär tidsseriedata tenderar att vandra omkring och inte återkomma ett konstant värde eller trend.
– Ekonomisk tidsseriedata är oftast icke-stationär, men det är fortfarande avgörande att fastställa ifall en viss tidsseriedata är stationär eller icke-stationär för att kunna välja vilken metodik man ska använda i samband med sin analys, till exempel prognoser eller undersöka långsiktiga samband mellan ekonomiska variabler, förklarar Aziz Ali.
Kontamination
De flesta metoder som idag används för att testa hypoteser kring huruvida tidsseriedata är stationär eller icke-stationär är känsliga för kontamination av data med mätfel eller förekomsten volatilitet i finansiella tidseriedata. Att felaktigt förkasta hypotesen om icke-stationäritetet av tidsserien kan leda till att de slutsatser som dras ifrån den statistiska analysen blir felaktiga. Ytterligare en begränsning som många tester uppvisar i dagsläget är att de inte är tillräckligt kraftfulla verktyg då man jobbar med en mindre mängd tidsseriedata (250 mätpunkter eller mindre).
– Målet med min forskning är att presentera metoder som är enkla att förstå och applicera för den analytiker som ska avgöra ifall en viss tidsseriedata är stationär eller icke-stationär, men som misstänker att data har kontaminerats av mätfel, till exempel, berättar Aziz Ali.
Aziz Ali har tidigare studerat vid Umeå universitet och Sveriges lantbruksuniversitet samt jobbat i 17 år inom läkemedelsforskning och utveckling.
– Mitt huvudsakliga intresse är tillämpning av statistik. Även om jag inte har några planer i nuläget på att fortsätta min bana som forskare så kommer jag ha stor nytta av mina forskarstudier i mitt jobb eftersom statistik är teoritungt och metoderna utvecklas hela tiden, avslutar Aziz Ali.
Avhandlingen:
On the use of wavelets in unit root and cointegration tests
Kontakt:
Aziz Ali, aziz.ali@lnu.se
Carina Sörgårn, carina.sorgarn@lnu.se, 0470-70 85 52
