Využití časových řad k analýze dlouhodobých fraktálních vzorců

Původní název:

Using Time Series to Analyze Long-Range Fractal Patterns

Obsah knihy:

Using Time Series to Analyze Long Range Fractal Patterns představuje metody popisu a analýzy závislostí a nepravidelností v dlouhých časových řadách. Nepravidelnost se týká cyklů, které jsou si podobné svým vzhledem, ale na rozdíl od sezónních vzorců, které jsou sociálním vědcům známější, se opakují v časovém měřítku, které není pevné.

Dosud se aplikace těchto metod týkala především analýzy dynamických systémů mimo sociální vědy, ale tento svazek umožňuje sociálním vědcům zkoumat a dokumentovat fraktální vzorce v dynamických sociálních systémech. Autor Matthijs Koopmans se zaměřuje na dva obecné přístupy k nepravidelnostem v dlouhých časových řadách: autoregresní modely frakčně integrovaných klouzavých průměrů a analýzu výkonové spektrální hustoty.

Tyto metody demonstruje na dvou typech příkladů: na simulacích, které ilustrují zákonitosti, s nimiž se lze setkat, a slouží jako měřítko pro interpretaci zákonitostí v reálných datech, a jednak na příkladech ze společenských věd, jako jsou dlouhodobé údaje o měsíčních číslech nezaměstnanosti, denní míry školní docházky; denní počty narozených dětí mladistvým a týdenní údaje z průzkumu politické orientace. Data a skripty R pro replikaci analýz jsou k dispozici na doprovodné webové stránce.