referensi b.ind dikit gujarati
DESCRIPTION
terjemahan asalTRANSCRIPT
![Page 1: referensi b.ind dikit Gujarati](https://reader036.vdokumen.com/reader036/viewer/2022082409/5695d4401a28ab9b02a0c919/html5/thumbnails/1.jpg)
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.
![Page 2: referensi b.ind dikit Gujarati](https://reader036.vdokumen.com/reader036/viewer/2022082409/5695d4401a28ab9b02a0c919/html5/thumbnails/2.jpg)
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