- •Раздел I Анализ невременных данных
- •Характеристики случайной величины
- •Математическое ожидание с.В. X.
- •Дисперсия
- •Корреляция.
- •Медиана
- •Модель парной линейной регрессии
- •Теорема Гаусса-Маркова
- •Ковариационная матрица
- •Дисперсионный анализ
- •Модель множественной регрессии
- •Спецификация модели
- •Включение в модель несущественных параметров.
- •Dummy – переменные, фиктивные переменные
- •Интерпретация коэффициентов:
- •Прогнозирование
- •Выбор параметров линейной регрессии (процедура пошагового отбора)
- •Работа с процедурными значениями
- •Общая методика построения регрессионного уравнения
- •Раздел II
- •Коэффициент взаимной сопряженности Чупрова
- •Биссериальный коэффициент корреляции
- •Ранговые коэффициенты корреляции
- •Коэффициент корреляции Спирмена
- •Общая схема проверки гипотез
- •Структура международных маркетинговых исследований
- •Временные ряды
- •Временной или динамический ряд
- •Классификация временных рядов
- •Анализ трендовой составляющей
- •Метод, основанный на медиане или медианный критерий
- •Корреляция во времени
- •Анализ сезонности во временных рядах
- •Анализ автокорреляции
- •Выбросы и структурные изменения
- •Дискретные зависимые переменные
- •Решение проблемы
Структура международных маркетинговых исследований
Провести международное маркетинговое исследование гораздо сложнее, чем исследование внутри страны, т.к. необходимо принимать во внимание факторы внешней и внутренней среды.
Маркетинговая среда (ценовая политика, инфляционная политика, наличие или отсутствие товара).
Государство и правительство (т.е. политический строй, протекционистская политика – пошлин, акцизов, дотаций; налоговая и финансовая политика и т.д.)
Правовая среда (т.е. право, законодательство, международное право, антимонопольное законодательство).
Экономическая среда – т.е. уровень и структура ВВП, уровень и структура национального дохода, объем теневой экономики
Инфраструктура: транспорт, коммуникации, коммуникативные услуги.
Информационная и технологическая среда
Социокультурная среда
Вывод. При использовании эконометрических моделей необходимо обязательно учитывать все эти факторы для получения точных прогнозов, достоверных результатов и применимых моделей.
Временные ряды
Изучение большинства экономических явлений базируется на исследовании свойств некоторой функции от времени f(t), где t – время. Эта функция определяет развитие явления во времени. f(t) – некий процесс, характеризующий развитие явления во времени. Например это инфляция, доходы предприятия, уровень цен, курсы валют и котировки ценных бумаг.
Временной или динамический ряд
Это ряд наблюдаемых значений изучаемого показателя, расположенных в хронологическом порядке или в порядке возрастания времени.
Обозначается:
- временной ряд, t=
N – последняя дата
Временные данные отличаются от обычных следующим:
Они не являются статистически независимыми, т.е. наблюдения связаны между собой.
Временные ряды не являются одинаково распределенными величинами
Классификация временных рядов
Моментальные – на определенную дату (курс валюты)
Интервальные – за определенный интервал времени (прибыль предприятий)
Исходный
Производственный (прирост цен, прибыль в расчете на численный состав)
Чаще всего работают с исходным рядом, но иногда его преобразуют, получая производственный ряд.
Если значения уровня ряда точно определены какой-либо математической функцией, то такой ряд называется детерминированный или неслучайный.
Если же уровни временного ряда могут быть описаны с помощью функции распределения вероятностей, то такой ряд называется случайным.
Временный ряд бывает: - детерминированный (объем, оценка)
- случайный (температура, цена нефти, выборы)
Примером детерминированной случайной величины является списочная численность работников.
Процессы, которые рассматриваются во времени в соответствии с законами теории вероятности, называются стохастическими.
Особый вид временного ряда – это так называемый белый шум. Это абсолютный теоретический процесс, который реально не существует. Тем не менее, он является очень важной математической моделью, которая широко применяется при решении множества практических задач. Случайная последовательность значений у1,у2,уN будет белым шумом, если это одинаково распределенные С.В., математическое ожидание которых равно нулю (колеблется около нуля), а дисперсия D(yt)=2=const.
Белый шум
Для описания и детального изучения временных рядов используются различные математические модели. Их идентификация предполагает выявление основных компонент, которые содержат изучаемые временные ряды. Данные, представленные виде временного ряда могут содержать 2 компоненты – систематическую и случайную. Систематической компонентой называются факторы, действующие постоянно. Выделяют 3 основных систематических компоненты:
1.тренд
2.сезонность
3.цикличность
Тренд –
линейная или нелинейная компонента,
плавно изменяющаяся во времени. Тренд
описывает чистое влияние долговременных
факторов.
Сезонная
компонента – это периодические
колебания уровней временного ряда в
течение не очень долгого периода.
Отражает повторяемость экономических
процессов.
Циклическая компонента характеризует длительность повторяющихся фаз явлений.
Длительность фаз
может быть разной, амплитуда колеблется,
но последовательность всегда сохраняется.
Разница между соседними периодами или ямами называется периодом цикла.
Например: циклы Кузнецова. Вывел 15-летние строительные циклы инвестиций строительства домов в США.
Случайные составляющие – это случайный шум или ошибка, воздействующая на временной ряд не регулярно. Основными причинами случайных ошибок могут быть факторы резкого и внезапного воздействия, т.е.катастрофы, а также воздействие текущих факторов, которое может быть связано, например, с ошибками наблюдения.
Таким образом,
временной ряд может быть представлен
как функция
Таким образом модель временного ряда может быть представлена в нескольких вариантах:
1.аддитивная -
2.мультипликативная
-
3.смешанная -
При моделировании на практике часть систематических компонент может отсутствовать. При моделировании временных рядов особое внимание уделяют:
Прогнозам и доверительным интервалам.
Восстановлению пропущенных значений, т.к. на практике часто есть сведения не на все даты.
Анализу зависимости от прошлого
Виду модели
Укрупнению значений (т.е. как перейти от ежедневных к ежеквартальным)
Учет влияния внешних факторов, праздников, выходных.
Замечание: Модель временного ряда считается хорошо подобранной, если после удаления из ряда наблюдаемых значений систематических компонент и моделей зависимости от времени, остатки являются белым шумом (мелкими случайными выбросами, т.е. непрогнозируемый процесс).
