Video: The LED's Challenge to High Pressure Sodium 2025
For tidsseriedata er det viktig å vite om observasjonene fortsetter å ha det samme betyget over tid og om variansen av dataene endres over tid.
Mange statistiske tester og prognoseteknikker er avhengige av denne antagelsen.
Figuren viser en tidsserier av ExxonMobils daglige avkastning gjennom 2013.
Grafen viser at tiden går, ser observasjonene ut til å være sentrert rundt null. Dette indikerer at gjennomsnittet ikke endres over tid. Hvis gjennomsnittet økte over tid, ville poengene på grafen ha en tendens til å skifte seg; hvis gjennomsnittet falt over tid, ville poengene på grafen ha en tendens til å skifte seg ned.
For tidsseriedata er det også viktig å vite om variansen av dataene endres over tid. Figuren viser at etter hvert som tiden går, vokser spredningen blant observasjonene jevnt. (Det vil si at data blir mer spredt ut etter hvert som tiden går.) Dette indikerer at variansen (i tillegg til standardavviket) øker over tid.
Hvis variansen endrer seg over tid, kan det føre til alvorlige problemer for mange statistiske teknikker. Heldigvis finnes det tilgjengelige metoder som kan korrigere for dette problemet.
Situasjonen der variansen ikke er konstant over tid, har et veldig skremmende navn i økonometri: heteroscedasticity. Uttale dette ordet er ikke lett!
