Kami mencatat dalam Bab 1 bahwa salah satu jenis penting dari data yang

digunakan dalam analisis empiris adalah data time series. Dalam hal ini dan bab

selanjutnya kita melihat lebih dekat pada data tersebut bukan hanya karena

frekuensi dengan mana mereka digunakan dalam praktek tetapi juga karena

mereka memberikan beberapa tantangan kepada ekonometri dan praktisi.

Pertama, pekerjaan empiris berdasarkan data time series mengasumsikan bahwa

time series yang mendasari stasioner. Meskipun kami telah membahas konsep

stasioneritas intuitif dalam Bab 1, kita diskusikan lebih lengkap dalam bab ini.

Lebih khusus, kita akan mencoba untuk mencari tahu apa artinya stasioneritas dan

mengapa orang harus khawatir tentang hal itu.

Kedua, dalam Bab 12, di autokorelasi, kami membahas beberapa penyebab

autokorelasi. Kadang-kadang autokorelasi hasil karena time series yang mendasari

adalah nonstasioner.

Ketiga, dalam regresi waktu variabel seri lain variabel time series (s), kita sering

mendapatkan sebuah R2 sangat tinggi (lebih dari 0,9) meskipun tidak ada

hubungan yang bermakna antara kedua variabel. Kadang-kadang kita berharap

tidak ada hubungan antara dua variabel, namun regresi satu di variabel lain sering

menunjukkan hubungan yang signifikan. Situasi ini mencontohkan masalah palsu,

atau omong kosong, regresi, yang sifatnya akan dieksplorasi segera. Oleh karena

itu sangat penting untuk mengetahui apakah hubungan antara variabel ekonomi

palsu atau tidak masuk akal. Kita akan melihat dalam bab ini bagaimana regresi

palsu dapat muncul jika time series tidak stasioner.

Keempat, beberapa waktu series keuangan, seperti harga saham, pameran apa

yang dikenal sebagai fenomena random walk. Ini berarti prediksi terbaik dari

harga saham, mengatakan IBM, besok sama dengan hari ini harga ditambah

kejutan murni acak (atau error term). Jika ini pada kenyataannya kasus ini,

memperkirakan harga aset akan menjadi latihan yang sia-sia.

Kelima, model regresi yang melibatkan data time series yang sering digunakan

untuk peramalan. Mengingat pembahasan sebelumnya, kami ingin tahu apakah

peramalan tersebut berlaku jika time series yang mendasari tidak stasioner.

Akhirnya, tes kausalitas Granger dan Sims yang kita bahas dalam Bab 17

mengasumsikan bahwa seri waktu yang terlibat dalam analisis stasioner. Oleh

karena itu, tes stasioneritas harus mendahului tes kausalitas.

Pada awalnya disclaimer adalah dalam rangka. Topik analisis time series begitu

luas dan berkembang dan beberapa matematika yang mendasari berbagai teknik

analisis time series begitu terlibat bahwa yang terbaik yang kita capai dalam teks

pengantar seperti ini adalah untuk memberikan pembaca sekilas beberapa konsep

dasar analisis time series. Bagi mereka yang

ingin mengejar topik ini lebih jauh, kami memberikan referensi