Aikasarja-analyysi vektoriautoregressiivista mallia hyödyntäen: Energian kulutus, bruttokansantuote ja hiilidioksidikaasupäästöt Suomessa
Sammaljoki, Jenni (2021)
Sammaljoki, Jenni
2021
Tekniikan ja luonnontieteiden kandidaattiohjelma - Bachelor's Programme in Engineering and Natural Sciences
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2021-11-16
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202111238609
https://urn.fi/URN:NBN:fi:tuni-202111238609
Tiivistelmä
Tässä kandidaatintyössä tarkastellaan kolmen tutkittavan suureen: hiilidioksidikaasupäästöjen suuruuden, energian kulutuksen ja bruttokansantuotteen yhteyttä toisiinsa aikasarja-analyysin avulla. Aihe on tiiviisti esillä keskustelussa ilmastonmuutoksen hillitsemisen vuoksi, ja tästä syystä aiheesta on tehty useita erilaisia tutkimuksia. Ilmastonmuutoksen hillitsemiseksi on tärkeää tunnistaa päästöjen suuruuteen vaikuttavat tekijät sekä kasvavan kulutuksen vaikutus. Tässä työssä suureiden yhteyttä tarkastellaan Suomessa vuosina 1975-2016. Tarkasteluväli on yksi vuosi, ja tarkastelussa hyödynnetään myös Suomen väkilukua, jotta eri vuosien data olisi vertailukelpoista keskenään.
Työssä esitellään aikasarja-analyysin peruskäsitteitä, kuten stationaarisuus, yksikköjuuri, yhteisintegroituvuus sekä Grangerin kausaalisuus ja esitellään näihin liittyviä testausmenetelmiä. Stationaarisuuteen eli sarjan paikallaan oloon liittyy oleellisesti yksikköjuuri. Mikäli tarkasteltavalla sarjalla on yksikköjuuri, se ei ole stationaarinen. Yhteisintegroituvuus kertoo sarjojen riippuvuudesta pitkällä aikavälillä, ja Grangerin kausaalisuus kertoo muuttujien hyödyllisyydestä toistensa ennustamisessa. Esiteltyä teoriaa sekä testejä hyödynnetään vektoriautoregressiivisen mallin luomiseen. Mallia varten datan tulee olla stationaarista, joten mallinnuksessa hyödynnetään differentoitua dataa. Tällä pystytään poistamaan datasta mahdollinen kausivaihtelu. Mallinnus suoritetaan Matlab-ohjelmistolla ja apuna käytetään Mathworksin Econometrics Toolbox -laajennusta.
Malli rakennetaan kolmelle tarkasteltavalle aikasarjalle, ja se ottaa huomioon kaksi edeltävää datapistettä, tässä tapauksessa kahden edellisen vuoden arvot. Tarkasteltavan datan stationaarisuus mallin luontia varten tarkastetaan kolmella erilaisella yksikköjuuritestillä. Käytetyt testit ovat laajennettu Dickey--Fuller-testi, Kwiatkowski--Phillips--Schmidt--Shin-testi sekä Phillips--Perron-testi. Sarjojen yhteisintegroituvuutta testataan kahdella eri testillä, jotka ovat Engle--Granger--testi ja Johansenin testi. Näiden lisäksi Grangerin kausaalisuutta testataan Grangerin kausaalisuustestillä.
Vektoriautoregressiivisen mallin tarkastelussa havaittiin, että sarjat ennustavat itseään melko hyvin, mutta ne eivät juuri vaikuta toistensa ennustamiseen. Yhteisintegroituvuustesteillä differentoidulle datalle havaittiin erityisesti energian kokonaiskulutuksen vaikuttavan bruttokansantuotteeseen sekä hiilidioksidipäästöjen suuruuteen. Alkuperäiselle datalle tehtyjen testien perusteella nämä eivät kuitenkaan juuri vaikuta toisiinsa. Voidaan siis ajatella peräkkäisten arvojen erotuksien olevan riippuvaisia toisistaan tässä tapauksessa. Grangerin kausaalisuustestin avulla ei havaita merkittävää vaikutusta sarjojen välillä toisiinsa. Saatujen tuloksien p-arvoista voidaan kuitenkin päätellä hiilidioksidikaasupäästöjen suuruuden vaikuttavan bruttokansantuotteeseen merkittävästi.
Työssä esitellään aikasarja-analyysin peruskäsitteitä, kuten stationaarisuus, yksikköjuuri, yhteisintegroituvuus sekä Grangerin kausaalisuus ja esitellään näihin liittyviä testausmenetelmiä. Stationaarisuuteen eli sarjan paikallaan oloon liittyy oleellisesti yksikköjuuri. Mikäli tarkasteltavalla sarjalla on yksikköjuuri, se ei ole stationaarinen. Yhteisintegroituvuus kertoo sarjojen riippuvuudesta pitkällä aikavälillä, ja Grangerin kausaalisuus kertoo muuttujien hyödyllisyydestä toistensa ennustamisessa. Esiteltyä teoriaa sekä testejä hyödynnetään vektoriautoregressiivisen mallin luomiseen. Mallia varten datan tulee olla stationaarista, joten mallinnuksessa hyödynnetään differentoitua dataa. Tällä pystytään poistamaan datasta mahdollinen kausivaihtelu. Mallinnus suoritetaan Matlab-ohjelmistolla ja apuna käytetään Mathworksin Econometrics Toolbox -laajennusta.
Malli rakennetaan kolmelle tarkasteltavalle aikasarjalle, ja se ottaa huomioon kaksi edeltävää datapistettä, tässä tapauksessa kahden edellisen vuoden arvot. Tarkasteltavan datan stationaarisuus mallin luontia varten tarkastetaan kolmella erilaisella yksikköjuuritestillä. Käytetyt testit ovat laajennettu Dickey--Fuller-testi, Kwiatkowski--Phillips--Schmidt--Shin-testi sekä Phillips--Perron-testi. Sarjojen yhteisintegroituvuutta testataan kahdella eri testillä, jotka ovat Engle--Granger--testi ja Johansenin testi. Näiden lisäksi Grangerin kausaalisuutta testataan Grangerin kausaalisuustestillä.
Vektoriautoregressiivisen mallin tarkastelussa havaittiin, että sarjat ennustavat itseään melko hyvin, mutta ne eivät juuri vaikuta toistensa ennustamiseen. Yhteisintegroituvuustesteillä differentoidulle datalle havaittiin erityisesti energian kokonaiskulutuksen vaikuttavan bruttokansantuotteeseen sekä hiilidioksidipäästöjen suuruuteen. Alkuperäiselle datalle tehtyjen testien perusteella nämä eivät kuitenkaan juuri vaikuta toisiinsa. Voidaan siis ajatella peräkkäisten arvojen erotuksien olevan riippuvaisia toisistaan tässä tapauksessa. Grangerin kausaalisuustestin avulla ei havaita merkittävää vaikutusta sarjojen välillä toisiinsa. Saatujen tuloksien p-arvoista voidaan kuitenkin päätellä hiilidioksidikaasupäästöjen suuruuden vaikuttavan bruttokansantuotteeseen merkittävästi.
Kokoelmat
- Kandidaatintutkielmat [8344]