《Lesson 12 Slides1》.pdf

ETF2121/ETF5912 DATA ANALYSIS IN BUSINESS Week 12  Application of Regression Analysis to  Time Series Data 1 Application of Regression Analysis to Time  Series Data • A time series is a stream of historical data observed over time, such as  weekly sales, yearly profits, daily stock prices, etc.  • Predicting or forecasting the time series is the estimation of how it will  continue into the future.  • To simplify things, we will assume that the times of observations are  equally spaced.  – This is not a great restriction because most business and economic series are  measured daily, monthly, quarterly, or yearly and so will be equally spaced.   • There are many methods that one can use to forecast time series. – We will focus on using the regression analysis methods to forecast the time  series. 2 Application of Regression Analysis to Time  Series Data • With time series regression as opposed to regression with  cross sectional data, one of the main problems to be  addressed when checking the assumptions is a possible lack  of independence in the residuals which need to be  examined.  • We may also need to allow for time‐related effects as trend  and seasonality.  • To allow for various time‐related features in our data, new  explanatory variables can be created. 3 Application of Regression Analysis to  Time Series Data • Time variable: If we include a time trend in the  regression model, we create a new explanatory  variable takes on consecutive time values. • Seasonal va