Using Time Series to Analyze Long-Range Fractal Patterns
Using Time Series to Analyze Long Range Fractal Patterns przedstawia metody opisu i analizy zależności i nieregularności w długich szeregach czasowych. Nieregularność odnosi się do cykli, które mają podobny wygląd, ale w przeciwieństwie do wzorców sezonowych bardziej znanych naukowcom społecznym, powtarzają się w skali czasowej, która nie jest stała.
Do tej pory zastosowanie tych metod obejmowało głównie analizę systemów dynamicznych poza naukami społecznymi, ale ten tom umożliwia naukowcom społecznym badanie i dokumentowanie fraktalnych wzorców w dynamicznych systemach społecznych. Autor Matthijs Koopmans koncentruje się na dwóch ogólnych podejściach do nieregularności w długich szeregach czasowych: autoregresyjnych ułamkowo zintegrowanych modelach średniej ruchomej i analizie gęstości widmowej mocy.
Demonstruje metody na dwóch rodzajach przykładów: symulacjach, które ilustrują wzorce, które można napotkać i służą jako punkt odniesienia do interpretacji wzorców w rzeczywistych danych; a po drugie przykłady nauk społecznych, takie jak dane długoterminowe dotyczące miesięcznych danych o bezrobociu, dzienne wskaźniki frekwencji w szkołach; dzienna liczba urodzeń nastolatków i cotygodniowe dane ankietowe dotyczące orientacji politycznej. Dane i skrypty R do replikacji analiz są dostępne na dołączonej stronie internetowej.