- •9. Оценка статистической значимости параметров эконометрической модели на основе критерия Стьюдетна.
- •10. Точечный и интервальный прогнозы для модели парной регрессии
- •14. Последовательные этапы построения модели множественной регрессии.
- •15. Способы отбора факторов, включаемых в модель множественной регрессии.
- •16. Выбор формы уравнения множественной регрессии.
- •Вопрос 17. Натуральная и стандартная формы модели множественной регрессии
- •18. Оценка параметров уравнения множественной регрессии и их экономическая интерпретация. Суть регрессионного анализа: построение математической модели и определение ее статистической надежности.
- •20. Коэффициент множественной корреляции и коэффициент множественной детерминации.
- •21. Коэффициенты частной корреляции, техника их расчета в двухфакторной модели.
- •23. Проблема мультиколлинеарности факторов в модели множественной регрессии
- •27. Структурная и приведенная формы систем одновременных уравнений
- •Вопрос 31. Автокорреляция уровней временного ряда и методы её оценки
- •33. Автокорреляционная функция и коррелограмма.
- •34. Моделирование тенденции временного ряда
- •36. Аддитивная модель сезонной компоненты временного ряда.
- •37. Методы выравнивания временного ряда с периодической (сезонной) компонентой.
- •38. Мультипликативная модель сезонной компоненты временного ряда.
- •39. Коэффициенты сезонности ( исходные, средние, средние скорректированные).
- •40. Моделирование связи переменных на основе временных рядов. Порядок построения регрессионных моделей по временным рядам.
- •Вопрос 41. Методы исключения тенденций при построении регрессионной модели по временным рядам
Вопрос 31. Автокорреляция уровней временного ряда и методы её оценки
Корреляционную зависимость между последовательными уровнями временного ряда называют – автокорреляцией временного ряда.
Количество её можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов во времени.
Число периодов, по которым рассчитывается коэффициент автокорреляции – это лаг. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается. Целесообразным для обеспечения статистической достоверности коэффициентов автокорреляции использовать правило: максимальный лаг д.б. не больше n/4.
Коэффициент автокорреляции первого порядка – это линейный коэффициент корреляции между уровнями исходного временного ряда и уровнями того же ряда, сдвинутыми на один момент времени. Его расчёт производится по стандартным формулам расчёта линейного коэффициента корреляции, измеряет зависимость между соседними уровнями ряда yt и yt-1, то есть при лаге 1, причём общее число пар наблюдений, по которым производится расчёт, равно (n-1). Он рассчитывается по формуле:
Аналогично определяются коэффициенты автокорреляции 2 и более высоких порядков. Коэффициент автокорреляции 2 порядка характеризует тесноту связи между уровнями ряда yt и yt-2. Формула расчёта:
Свойства коэффициента автокорреляции:
Строится по аналогии с линейным коэффициентом корреляции, и характеризует тесноту только линейной связи текущего и предыдущего уровней ряда. По нему можно судить о наличии линейной или близкой к линейной тенденции, а для временных рядов с сильной нелинейной тенденцией – коэффициент автокорреляции уровней исходного ряда может приближаться к 0.
По знаку коэффициента автокорреляции нельзя делать вывод о возрастающей или убывающей тенденции в уровнях ряда. Большинство временных рядов содержат положительную автокорреляцию уровней, но при этом они могут иметь убывающую тенденцию.
Последовательность коэффициентов автокорреляции уровней 1, 2 и др. порядков – это автокорреляционная функция временного ряда. А график зависимости её значений от величины лага (рядка коэффициента автокорреляции) – это коррелограмма. Их анализ позволяет определить структуру ряда и лаг, при котором связь между текущими и предыдущими уровнями ряда наиболее тесная и при котором автокорреляция наиболее высокая.
Если наиболее высок - Коэффициент автокорреляции 1 порядка, то исследуемы ряд содержит только тенденцию.
Если наиболее высок - Коэффициент автокорреляции порядка τ, то ряд содержит циклические колебания с периодичностью в τ моментов времени.
Если ни один из Коэффициентов автокорреляции не является значимым, то либо ряд не содержит тенденции и циклических колебаний, либо ряд содержит сильную нелинейную тенденцию, для выявления которой нужно провести дополнительный анализ.
Таким образом, коэффициент автокорреляции уровней и автокорреляционную функцию используют для выявления во временном ряде наличия или отсутствия трендовой компоненты (T) и циклической (сезонной) компоненты (S).
