Лаба 3 / laba_3
.docxФедеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ
ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Лабораторная работа №3
по дисциплине:
«Эконометрика»
Уфа 2016
Цель: исследовать структуру ряда объема добычи угля на наличие детерминированных компонент (сезонности, цикличности, тренда) для дальнейшего построения качественного прогноза.
Для достижения поставленной цели необходимо решить задачи:
-
Описать исходные данные.
Для анализа были выбраны показатели объема добычи угля в кварталах за последние 5 лет с сайта Prognoz.Data portal.
Добыча угля в кварталах
86,2 |
84,3 |
81,5 |
83,7 |
88,3 |
85,9 |
81,8 |
89,9 |
96,4 |
86 |
85 |
83,4 |
93,5 |
85,2 |
81 |
86,6 |
103 |
91,3 |
84,5 |
91 |
105 |
2) Анализ структуры временного ряда
Рис. 1 – Графический анализ структуры
Графический анализ данных позволяет предположить о наличии детерминированного линейного тренда. Также заметны периодические колебания, что означает наличие в структуре ряда сезонности.
3) Исследование структуры временного ряда на основе инструмента спектрального анализа в Статистике
Построим спектрограмму, построенную по частоте для исходного ряда
Рис. 2 – Спектрограмма, построенная по частоте для исходного ряда
Сильный скачек на нуле свидетельствует о наличии волны с периодом, равным всей длине ряда, т.е. в структуре данного ряда присутствует тренд.
Построим спектрограмму, построенную для ряда, очищенного от тренда.
Рис. 3 – Спектрограмма, построенная для ряда, очищенного от тренда
Скачек на 4 свидетельствует о наличии сезонности с периодичностью 4 квартала .
4) Проведем анализ структуры ряда на основе анализа корреллограмм. Как видно из коррелограмм АКФ и ЧАКФ, наиболее значимый коэффициент автокорреляции и частный коэффициент автокорреляции соответствует четвертому лагу. Из этого можно сделать вывод, о том, что период сезонности равен 4 кварталам.
Рис. 4
Ряд содержит циклические колебания
Рис. 5
Максимальная корреляция на четвертом лаге, далее она убывает.
Исследование структуры временного ряда и выделение детерминированных компонент
Цель: определить наличие компонент и выделить их из структуры ряда для дальнейшего построения прогноза с помощью методов компонентного анализа.
Приведем мультипликативную структуру ряда к аддитивному виду с помощью процедуры логарифмирования исходного ряда.
Сравним исходный график с прологарифмированным: структура ряда не претерпела существенных изменений.
Рисунок 1
Выделим тренд из структуры ряда двумя способами
-
на основе подбора гладкой функции. Необходимо ввести переменную времени t. Выделение тренда с помощью гладкой функции делается на основе предположения о виде функции тренда.
Параметр тренда: V=a+b*t
Таблица 1
Рисунок 2. Линия тренда
-
на основе построения скользящего среднего
На рис. 3 изображен график прологарифмированного и трендом, оцененным методом скользящего среднего.
Рисунок 3
На рис. 4 – график остатков, после удаления тренда.
Рисунок 4
Сравним и выберем лучший способ выделения тренда из структуры ряда. На рисунке 5 показан совместный график переменных после удаления тренда двумя способами.
Рисунок 5
Первый способ оказался предпочтительнее, т.к. во втором случае данные теряются.
Выделим сезонность из структуры ряда
1 способ: на основе гармонический функций
Сезонность - квартальная, значит период T=4.
S(t)=a*cos(2*pi*t/4)+b*Sin(2*pi*t/4)
Рисунок 6
Таблица 2
На рис. 7 – совместный график ряда, очищенного от тренда и оценённой сезонной компоненты первым способом.
Рисунок 7
Улучшим качество оценки, добавив вторую гармоническую пару с удвоенной частотой.
Рисунок 8
Таблица 3
На рис. 9 – совместный график ряда, очищенного от тренда и оценённой сезонной компоненты первым способом (с добавлением второй гармонической пары с удвоенной частотой).
Рисунок 9
2 способ: с помощью метода сезонных индексов
Определим, сколько раз полный цикл укладывается в длину ряда. 21/4=5
Посчитаем сезонные поправки. Сформируем ряд из полученных сезонных поправок.
Таблица 4
0,068897 |
-0,035092 |
-0,01211 |
0,018128 |
-0,06207 |
0,028816 |
-0,01896 |
0,006849 |
0,068897 |
-0,033002 |
-0,01211 |
0,014950 |
-0,06207 |
0,010511 |
-0,01896 |
0,056329 |
0,068897 |
0,032785 |
-0,01211 |
-0,005866 |
-0,06207 |
0,026905 |
-0,01896 |
-0,040701 |
0,068897 |
-0,019740 |
-0,01211 |
-0,037191 |
-0,06207 |
-0,043277 |
-0,01896 |
-0,025029 |
0,068897 |
0,055048 |
-0,01211 |
0,009978 |
-0,06207 |
-0,022954 |
-0,01896 |
0,002551 |
0,068897 |
0,052300 |
На рис. 10 – совместный график ряда, очищенного от тренда и оценённой сезонной компоненты вторым способом.
Рисунок 10
3 способ: на основе фиктивной переменной.
Введем фиктивные переменные d1, d2, d3.
d1=
d2=
d3=
Оценим сезонность как линейную регрессию с константой от фиктивной переменной.
Без тренда 1= α1*d1+ α2*d2+ α3*d3+ α4
Рисунок 11
Таблица 5
Совместный график ряда, очищенного от тренда и оценённой сезонной компоненты третьим способом представлен на рисунке 12.
Рисунок 12
Выберем лучший способ оценки сезонной компоненты на основе сравнения остатков, полученных после удаления сезонности 3мя способами.
Рисунок 13 – совместный график всех остатков после удаления сезонности.
Рисунок 13
Третий способ оценки является наилучшим, т.к. остатки наиболее близки к 0 (табл. 6).
Таблица 6
Вывод:
-
функция тренда: 4,410559+0,005737*t
-
сезонность: -0,001713*cos(1,57t)+0,035274*sin(1,57t)-0,001713*cos(1,57t)+0,035274*sin(1,57t)