Video: Künstliche Intelligenz und die Veränderungen im Alltag (1/2) | Doku | NDR | 45 Min 2025
Für Zeitreihendaten ist es wichtig zu wissen, ob die Beobachtungen im Laufe der Zeit weiterhin den gleichen Mittelwert aufweisen und ob die Varianz der Daten ändert sich mit der Zeit.
Viele statistische Tests und Prognosetechniken sind von dieser Annahme abhängig.
Die Abbildung zeigt ein Zeitreihen-Diagramm der täglichen Erträge von ExxonMobil im gesamten Jahr 2013.
Die Grafik zeigt, dass die Beobachtungen im Laufe der Zeit um Null zentriert zu sein scheinen. Dies zeigt an, dass sich der Mittelwert über die Zeit nicht ändert. Wenn der Mittelwert über die Zeit ansteigen würde, würden die Punkte in der Grafik tendenziell nach oben verschieben; Wenn der Mittelwert im Laufe der Zeit sinken würde, würden sich die Punkte im Diagramm tendenziell nach unten verschieben.
Für Zeitreihendaten ist es auch wichtig zu wissen, ob sich die Varianz der Daten im Laufe der Zeit ändert. Die Abbildung zeigt, dass im Laufe der Zeit die Streuung zwischen den Beobachtungen stetig zunimmt. (Das heißt, Daten werden mit fortschreitender Zeit immer mehr ausgebreitet.) Dies zeigt an, dass die Varianz (wie auch die Standardabweichung) mit der Zeit zunimmt.
Wenn sich die Varianz im Laufe der Zeit ändert, kann dies für viele statistische Verfahren zu ernsthaften Problemen führen. Glücklicherweise gibt es Methoden, die dieses Problem beheben können.
Die Situation, in der die Varianz nicht konstant ist, hat in der Ökonometrie einen sehr einschüchternden Namen: Heteroskedastizität. Dieses Wort aussprechen ist nicht einfach!
