
- •Определение эконометрики, задачи эконометрики, этапы эконометрического исследования
- •Спецификация модели и метод выбора парной регрессии
- •Метод наименьших квадратов
- •Свойства оценок метода наименьших квадратов
- •Оценка существенности парной линейной регрессии
- •Оценка существенности параметров уравнения одинаковые
- •Линейный коэффициент корреляции. Коэффициент детерминации. Значимость линейного коэффициента корреляции
- •Интервальный прогноз по линейному уравнению регрессии
- •Нелинейная регрессия. Классификация, примеры моделей
- •Степенная регрессия
- •Показательная регрессия
- •Гиперболическая регрессия
- •Гиперболическая регрессия одинаковые
- •14. Средняя ошибка аппроксимации
- •15. Коэффициент эластичности
- •17. Спецификации модели и методы построения уравнения множественной регрессии
- •18. Оценка параметров уравнения множественной регрессии.
- •19. Стандартизованный коэффициент регрессии
- •20. Множественная корреляция
- •21. Выбор формы уравнения множественной регрессии
- •22. Частный коэффициент корреляции
- •23. Оценка надежности результатов множественной регрессии и корреляции.
- •24. Предпосылки мнк
- •25. Автокорреляция в остатках. Методы оценивания
- •26. Суть и последствия гетероскедастичности
- •27. Методы обнаружения гетероскедастичности
- •28. Омнк
- •29. Сущность и признаки мультиколлинеарности, ее последствия
- •30. Методы устранения мультиколлинеарности
- •31. Фиктивные переменные, их использование в сезонных исследованиях
- •32. Как интерпретируются коэффициенты при фиктивных переменных
- •33. Временные ряды. Классификация.
- •34. Компоненты временного ряда. Уровни временного ряда
- •35. Понятие тренда, его компоненты, анализ.
- •36. Моделирование сезонных и циклических колебаний
- •37. Автокорреляция временных рядов. Коэффициент корреляции. Лаг.
- •38. Методы обнаружения автокорреляции. Критерий Дарбина-Уотсона
- •Ограничения коэффициента ранговой корреляции
- •39. Методы обнаружения автокорреляции. Критерий Спирмена
- •Ограничения коэффициента ранговой корреляции
- •40.Системы эконометрических уравнений
- •41. Проблема идентификации
- •42. Структурная и приведенная формы модели.
- •43.Идентификация модели. Проблема идентификации.
- •44. Оценивание параметров структурной модели.
- •45. Косвенный метод наименьших квадратов
- •46. Двухшаговый метод наименьших квадратов
37. Автокорреляция временных рядов. Коэффициент корреляции. Лаг.
При наличии во временном ряде тенденции и циклических колебаний значения каждого последующего уровня ряда зависят от предыдущих. Корреляционную зависимость между последовательными уровнями временного ряда называют автокорреляцией уровней ряда.
Количественно ее можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов во времени.
Формула для расчета коэффициента автокорреляции имеет вид:
(4.1)
где
Эту
величину называют коэффициентом
автокорреляции уровней ряда первого
порядка, так как он измеряет зависимость
между соседними уровнями ряда
и
.
Аналогично
можно определить коэффициенты
автокорреляции второго и более высоких
порядков. Так, коэффициент автокорреляции
второго порядка характеризует тесноту
связи между уровнями
и
и определяется по формуле:
где
Число
периодов, по которым рассчитывается
коэффициент автокорреляции, называют
лагом.
С увеличением лага число пар значений,
по которым рассчитывается коэффициент
автокорреляции, уменьшается. Считается
целесообразным для обеспечения
статистической достоверности коэффициентов
автокорреляции использовать правило
– максимальный лаг должен быть не больше
.
Свойства коэффициента автокорреляции.
Он строится по аналогии с линейным коэффициентом корреляции и таким образом характеризует тесноту только линейной связи текущего и предыдущего уровней ряда. Поэтому по коэффициенту автокорреляции можно судить о наличии линейной (или близкой к линейной) тенденции. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию (например, параболу второго порядка или экспоненту), коэффициент автокорреляции уровней исходного ряда может приближаться к нулю.
По знаку коэффициента автокорреляции нельзя делать вывод о возрастающей или убывающей тенденции в уровнях ряда. Большинство временных рядов экономических данных содержат положительную автокорреляцию уровней, однако при этом могут иметь убывающую тенденцию.
Последовательность коэффициентов автокорреляции уровней первого, второго и т.д. порядков называют автокорреляционной функцией временного ряда. График зависимости ее значений от величины лага (порядка коэффициента автокорреляции) называется коррелограммой.
Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором автокорреляция наиболее высокая, а следовательно, и лаг, при котором связь между текущим и предыдущими уровнями ряда наиболее тесная, т.е. при помощи анализа автокорреляционной функции и коррелограммы можно выявить структуру ряда.
Если
наиболее высоким оказался коэффициент
автокорреляции первого порядка,
исследуемый ряд содержит только
тенденцию. Если наиболее высоким оказался
коэффициент автокорреляции порядка
,
то ряд содержит циклические колебания
с периодичностью в
моментов времени. Если ни один из
коэффициентов автокорреляции не является
значимым, можно сделать одно из двух
предположений относительно структуры
этого ряда: либо ряд не содержит тенденции
и циклических колебаний, либо ряд
содержит сильную нелинейную тенденцию,
для выявления которой нужно провести
дополнительный анализ. Поэтому коэффициент
автокорреляции уровней и автокорреляционную
функцию целесообразно использовать
для выявления во временном ряде наличия
или отсутствия трендовой компоненты и
циклической (сезонной) компоненты.