Die Zeitreihenanalyse untersucht die Entwicklung von Daten über einen Zeitverlauf hinweg, also innerhalb der Längsschnittebene. Sie dient dabei der induktiven und empirischen Wirtschaftsforschung. Anhand von Daten können makroökonomische Modelle auf ihren Erklärungsgehalt untersucht und gegebenenfalls angepasst werden.
In der folgenden Arbeit werden die kennengelernten Methoden am Beispiel des Datensatzes Japan angewendet.
Der erste Teil beinhaltet einen theoretischen und einen angewandten Abschnitt zur univariaten Zeitreihenanalyse, der zweite Teil einen theoretischen und einen angewandten Abschnitt zur multivariaten Zeitreihenanalyse.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Aufgabenteil 1: Univariate Zeitreihenanalyse
- 2.1 Grundlagen 1: Univariate Analyse
- 2.1.1 Wold-Darstellung
- 2.1.2 Autokorrelationsfunktion
- 2.1.3 MA(∞) Darstellung
- 2.1.4 Stabilität und Stationarität
- 2.1.5 ACF zu Zeitdistanz k=1 und k=2
- 2.1.6 Allgemeiner Inhalt der ACF und PACF
- 2.2 Angewandte Fragestellung 1: Univariate Analyse
- 2.2.1 Spezifikation des ARMA (p,q)-Modells mittels Box-Jenkins-Verfahren
- 2.2.2 ARMA-Prognosen für die realen Wachstumsraten des BIPs und des Konsums für den Datensatz Japan
- 2.1 Grundlagen 1: Univariate Analyse
- 3. Aufgabenteil 2: Multivariate Zeitreihenanalyse
- 3.1 Grundlagen 2: Multivariate Analyse
- 3.1.1 Kalman-Filter
- 3.1.2 Kointegrationsvektor
- 3.2 Angewandte Fragestellung
- 3.2.1 Spezifikation des VAR(p)-Modells
- 3.2.2 VAR(1)-Prognose für die realen Wachstumsraten des BIPs und des Konsums für den Datensatz Japan
- 3.2.3 Granger-Kausalität
- 3.2.4 Orthogonaler Schock und Impuls-Antwort-Funktion
- 3.2.5 Ökonomische Theorie zur Impuls-Antwort-Funktion
- 3.2.6 VECM Modell
- 3.1 Grundlagen 2: Multivariate Analyse
- 4. Fazit
Zielsetzung und Themenschwerpunkte
Diese Arbeit wendet die in der Vorlesung "Zeitreihenanalyse" behandelten Methoden auf den Datensatz Japan an. Ziel ist es, sowohl univariate als auch multivariate Zeitreihenanalysen durchzuführen und die Ergebnisse zu interpretieren. Die Arbeit gliedert sich in einen theoretischen und einen angewandten Teil für beide Analysemethoden.
- Univariate Zeitreihenanalyse und deren Anwendung auf japanische Wirtschaftsdaten.
- Modellierung und Prognose von Wirtschaftsindikatoren (BIP und Konsum) mittels ARMA-Modellen.
- Multivariate Zeitreihenanalyse und die Anwendung von VAR-Modellen.
- Analyse von Granger-Kausalität und Impuls-Antwort-Funktionen.
- Anwendung des VECM-Modells.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung führt in das Thema der Zeitreihenanalyse ein und beschreibt deren Anwendung in der empirischen Wirtschaftsforschung. Sie erläutert den Aufbau der Arbeit, der sich in einen univariaten und einen multivariaten Teil gliedert, wobei der Datensatz Japan als Grundlage dient. Der Fokus liegt auf der induktiven Analyse makroökonomischer Daten und der Anpassung von Modellen basierend auf den empirischen Ergebnissen.
2. Aufgabenteil 1: Univariate Zeitreihenanalyse: Dieser Abschnitt behandelt die univariate Zeitreihenanalyse, beginnend mit den theoretischen Grundlagen wie der Wold-Darstellung, der Autokorrelationsfunktion und der MA(∞)-Darstellung. Konzepte wie Stabilität und Stationarität werden ebenfalls erklärt. Der angewandte Teil konzentriert sich auf die Spezifikation eines ARMA(p,q)-Modells mittels des Box-Jenkins-Verfahrens zur Prognose der realen Wachstumsraten des BIPs und des Konsums in Japan. Die Modellierung basiert auf der Analyse der Autokorrelations- und Partialschwarzfunktion, um die Ordnung des ARMA-Modells zu bestimmen.
3. Aufgabenteil 2: Multivariate Zeitreihenanalyse: Dieser Kapitelteil widmet sich der multivariaten Zeitreihenanalyse. Zunächst werden die Grundlagen der multivariaten Analyse erläutert, einschließlich des Kalman-Filters und des Konzepts des Kointegrationsvektors. Der angewandte Teil konzentriert sich auf die Spezifikation eines Vektorautoregressiven (VAR(p))-Modells, die Erstellung von Prognosen für das BIP und den Konsum in Japan, sowie die Analyse von Granger-Kausalität. Zusätzlich wird die Impuls-Antwort-Funktion untersucht, und deren ökonomische Interpretation erläutert. Abschließend wird das VECM-Modell behandelt.
Schlüsselwörter
Zeitreihenanalyse, Univariate Analyse, Multivariate Analyse, ARMA-Modell, VAR-Modell, Box-Jenkins-Verfahren, Kalman-Filter, Kointegration, Granger-Kausalität, Impuls-Antwort-Funktion, VECM-Modell, Japan, BIP, Konsum, Wirtschaftsdaten, Makroökonomie.
Häufig gestellte Fragen (FAQ) zur Zeitreihenanalyse in Japan
Was ist der Inhalt dieses Dokuments?
Dieses Dokument bietet einen umfassenden Überblick über eine Arbeit zur Zeitreihenanalyse, angewendet auf japanische Wirtschaftsdaten (BIP und Konsum). Es enthält ein Inhaltsverzeichnis, die Zielsetzung und Themenschwerpunkte, Zusammenfassungen der Kapitel und Schlüsselwörter. Die Arbeit selbst beinhaltet sowohl univariate als auch multivariate Analysen, wobei verschiedene Modelle wie ARMA und VAR verwendet werden.
Welche Arten von Zeitreihenanalysen werden durchgeführt?
Die Arbeit umfasst sowohl univariate als auch multivariate Zeitreihenanalysen. Die univariate Analyse konzentriert sich auf die Modellierung und Prognose einzelner Zeitreihen (BIP und Konsum separat) mithilfe von ARMA-Modellen (Autoregressive Moving Average). Die multivariate Analyse verwendet VAR-Modelle (Vektorautoregressive Modelle), um die Beziehungen zwischen dem BIP und dem Konsum gleichzeitig zu untersuchen.
Welche Methoden werden in der univariaten Zeitreihenanalyse verwendet?
Im univariaten Teil werden Grundlagen wie die Wold-Darstellung, die Autokorrelationsfunktion (ACF), die partielle Autokorrelationsfunktion (PACF), Stabilität und Stationarität von Zeitreihen behandelt. Das Box-Jenkins-Verfahren wird angewendet, um ein geeignetes ARMA(p,q)-Modell zu spezifizieren und Prognosen für das BIP und den Konsum zu erstellen.
Welche Methoden werden in der multivariaten Zeitreihenanalyse verwendet?
Die multivariate Analyse beinhaltet das Kalman-Filter, das Konzept des Kointegrationsvektors und die Spezifikation eines VAR(p)-Modells. Weitere Analysemethoden umfassen die Untersuchung von Granger-Kausalität, die Impuls-Antwort-Funktion und das VECM-Modell (Vector Error Correction Model).
Welche Daten werden verwendet?
Die Analyse basiert auf Wirtschaftsdaten aus Japan, speziell auf den realen Wachstumsraten des Bruttoinlandsprodukts (BIP) und des Konsums.
Welche Modelle werden verwendet?
Es werden ARMA(p,q)-Modelle für die univariate und VAR(p)-Modelle sowie VECM-Modelle für die multivariate Zeitreihenanalyse verwendet.
Was sind die Ziele der Arbeit?
Das Hauptziel ist die Anwendung der in der Vorlesung "Zeitreihenanalyse" behandelten Methoden auf reale Wirtschaftsdaten aus Japan. Es geht darum, sowohl univariate als auch multivariate Analysen durchzuführen und die Ergebnisse zu interpretieren, um wirtschaftliche Zusammenhänge zwischen BIP und Konsum zu verstehen.
Welche Schlüsselwörter beschreiben den Inhalt?
Schlüsselwörter umfassen: Zeitreihenanalyse, Univariate Analyse, Multivariate Analyse, ARMA-Modell, VAR-Modell, Box-Jenkins-Verfahren, Kalman-Filter, Kointegration, Granger-Kausalität, Impuls-Antwort-Funktion, VECM-Modell, Japan, BIP, Konsum, Wirtschaftsdaten, Makroökonomie.
- Citation du texte
- Franz Schmid (Auteur), 2014, Die Univariate und die Multivariate Zeitreihenanalyse. Theoretische Grundlagen und Anwendung auf den Datensatz Japan, Munich, GRIN Verlag, https://www.grin.com/document/334304
