Využitie časových radov na analýzu dlhodobých fraktálnych vzorov

Pôvodný názov:

Using Time Series to Analyze Long-Range Fractal Patterns

Obsah knihy:

Using Time Series to Analyze Long Range Fractal Patterns predstavuje metódy na opis a analýzu závislosti a nepravidelnosti v dlhých časových radoch. Nepravidelnosť sa vzťahuje na cykly, ktoré majú podobný vzhľad, ale na rozdiel od sezónnych vzorcov, ktoré sú sociálnym vedcom známejšie, sa opakujú v časovom rozsahu, ktorý nie je pevný.

Aplikácia týchto metód sa doteraz týkala najmä analýzy dynamických systémov mimo sociálnych vied, ale tento zväzok umožňuje sociálnym vedcom skúmať a dokumentovať fraktálne vzory v dynamických sociálnych systémoch. Autor Matthijs Koopmans sa zameriava na dva všeobecné prístupy k nepravidelnostiam v dlhých časových radoch: autoregresné modely frakčne integrovaných kĺzavých priemerov a analýzu výkonovej spektrálnej hustoty.

Metódy demonštruje na dvoch druhoch príkladov: na simuláciách, ktoré ilustrujú zákonitosti, s ktorými sa možno stretnúť, a slúžia ako kritérium na interpretáciu zákonitostí v reálnych údajoch, a na príkladoch z oblasti spoločenských vied, ako sú napríklad dlhodobé údaje o mesačných číslach nezamestnanosti, denná miera školskej dochádzky; denný počet narodených detí mladistvým a týždenné údaje z prieskumu o politickej orientácii. Údaje a skripty R na opakovanie analýz sú k dispozícii na sprievodnej webovej stránke.