Tidsrekke (engelsk: time series) er et begrep innen statistikkfaget. Det innebærer etterfølgende registreringer av en variabel, typisk på etterfølgende ekvidistante tidspunkter eller for etterfølgende like lange perioder. Tidsenheten kan velges alt etter formålet, eksempelvis time, døgn, uke, måned, kvartal eller år. Tidsrekker forekommer på mange områder, innen de fleste natur- og samfunnsvitenskaper, i økonomisk-administrativ virksomhet og i dagliglivet ellers. Gode eksempler fra naturvitenskapen er fra meteorologi, der en på en bestemt målestasjon kan registrere temperatur daglig på et angitt tidspunkt, maksimum og minimum over døgnet samt ulike typer periodevise gjennomsnitt. Eksempler fra økonomisk virksomhet er periodevise noteringer av produksjon, forbruk, omsetning, priser og børskurser. Interessante forhold ved en tidsrekke er dens variasjon over tid.

Leddene i en tidsrekke blir vanligvis nummerert med de naturlige tall, slik at en for en variabel X symboliserer tidsrekken med {X1, X2, X3, ...}. Alternative skrivemåter er {Xt; tєN} eller {Xt; t≥0} dersom nummerering med naturlige tall er opplagt ut fra sammenhengen.

Tidsrekkeanalyse rediger

Tidsrekkeanalyse består i å avdekke en tidsrekkes variasjonsmønster med sikte på å bedre forstå hva som har hendt, og ved det ha muligheten for å framskrive/predikere/prognostisere det videre forløp for en eller flere perioder. En skiller vanligvis mellom fire hovedtyper variasjon: trend, sesongvariasjon, autokorrelasjon og tilfeldig variasjon. Hva slags variasjon som er aktuell vil avhenge av fagfelt. For tidsrekker innen økonomi og finans er det mulighet for at alle fire typer variasjon er tilstede samtidig, og i tillegg også mulighet for strukturelle endringer og varierende volatilitet.

Statistisk teori omfatter en rekke begreper, analysemetoder og prediksjonsmetoder for tidsrekker. De ulike metoder har sine fordeler og ulemper, og valg må gjøres ut fra relevante kriterier.

Litteratur rediger

  • Brockwell, P. J. and Davis, R.A. (2002). Introduction to Time Series and Forecasting. New York: Springer. ISBN 978-0-387-21657-7.