- •Введение
- •1. ОПРЕДЕЛЕНИЕ ЭКОНОМЕТРИКИ
- •1.1. Предмет эконометрики
- •1.2. Особенности эконометрического метода
- •1.3. Виды шкал измерений
- •2.1.Парная регрессия и корреляция
- •2.2. Нелинейная регрессия
- •3. МНОЖЕСТВЕННАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ
- •3.1. Спецификация модели множественной линейной регрессии
- •3.2. Частные уравнения регрессии
- •3.3. Множественная корреляция
- •3.5. Фиктивные переменные во множественной регрессии
- •3.6. Предпосылки метода наименьших квадратов
- •4. МОДЕЛИРОВАНИЕ ОДНОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ. АВТОКОРРЕЛЯЦИЯ
- •4.1. Основные элементы временного ряда
- •4.3. Моделирование тенденций временного ряда
- •5. ИЗУЧЕНИЕ ВЗАИМОСВЯЗИ ПО ВРЕМЕННЫМ РЯДАМ
- •5.1. Методы исключения тенденций
- •5.2. Автокорреляция остатков
- •6.1. Общая характеристика метода экспертных оценок
- •6.2. Классификация методов получения экспертной информации
- •7. ЭКОНОМЕТРИКА ПРОГНОЗИРОВАНИЯ И РИСКА
- •7.1. Прогнозирование в условиях риска
- •7.2. Основные понятия и методы эконометрического прогнозирования
- •Тестовые задания
- •Библиографический список
4. МОДЕЛИРОВАНИЕ ОДНОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ. АВТОКОРРЕЛЯЦИЯ
4.1. Основные элементы временного ряда
Большинство эконометрических моделей строится как динамические эконометрические модели. Это означает, что моделирование причинно-
Сряд – это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени. Числа, составляющие временной ряд получающиеся в результате наблюдения за ходом некоторого процесса называются уровнями ряда, которые будем обозначать
следственных связей между переменными осуществляется во времени, а исходные данные представлены в форме временных рядов. Временной
(t = 1,2,..., n), где n – число уровней. Показатели значений временного ряда образуют сер ю на людений, проведенных через равные промежут-
ки |
(день, неделя, месяц, квартал и т.д.). |
|
|
Существует несколько классификаций временных рядов по различ- |
|
|
времени |
|
ным параметрам. Временной ряд называется моментным рядом, если уро- |
||
вень временного ряда ф ксирует значение изучаемого показателя на оп- |
||
ределённый момент времени. |
|
|
|
Если уровень временного ряда характеризует значение показателя за |
|
определённый период времени, то этот ряд называется интервальным. |
||
|
Временной ряд называется производным рядом, если уровни ряда |
|
представлены в виде производных величин (средних или относительных |
||
показателей).бА |
||
|
По числу показателей – комплексные ряды и изолированные. Вре- |
|
менной ряд, изолированный в том случае, если уровень ряда представлен |
||
одним показателем; если уровень ряда представлен системой обобщаю- |
||
щих показателей – комплексный. |
Д |
|
|
|
|
|
В зависимости от способа выражения уровней – временные ряды аб- |
|
|
|
И |
солютных, относительных и средних величин. При этом временные ряды абсолютных величин являются исходными, а ряды относительных и средних величин – производными. Временные ряды абсолютных величин более полно характеризуют развитие процесса или явления. Ряды относительных величин могут характеризовать во времени темпы роста (или снижения) определенного показателя; изменение удельного веса того или иного показателя в совокупности; изменение показателей интенсивности отдельных явлений [1, 6].
В зависимости от наличия основной тенденции изучаемого процесса временные ряды подразделяются на: стационарные – основные свойства изучаемого явления остаются неизменными во времени, изменяются во-
38
круг своего среднего значения и нестационарные – основные свойства изучаемого явления имеют тенденцию развития.
Каждый временной ряд складывается из следующих основных составляющих (компонентов):
1.Тенденции, характеризующей совокупное долговременное воздействие множества факторов на динамику изучаемого показателя. Очевидно, что эти факторы, взятые в отдельности, могут оказывать разнонаправленное воздействие на исследуемый показатель. Однако в совокупности они формируют его возрастающую или убывающую тенденцию. Аналитически тенденц я выражается некоторой функцией времени, называемой трендом.
2.Ц кл ческой ли периодической составляющей, характеризую- |
||
С |
||
щей |
ческ е ли периодические колебания изучаемого явления. Ко- |
|
лебания представляют со ой отклонения фактических уровней ряда от |
||
тренда. Эти |
я могут носить сезонный характер, поскольку эконо- |
|
мическая деятельность ряда отраслей экономики зависит от времени года. |
||
Сезонные |
|
я – периодические колебания, которые имеют опреде- |
цикл |
||
ленный |
постоянный период, равный годовому промежутку. В тех случа- |
|
ях, когда пер |
од коле ан й составляет несколько лет, то говорят, что во |
|
временном ряде присутствуют циклические колебания. |
||
3.Случайнойколебансоставляющей, некоторые временные ряды не содер- |
||
жат тенденции и циклической компоненты, а каждый следующий их уро- |
||
вень образуется как сумма среднего уровня ряда и некоторой (положи- |
||
тельной или отрицательной) случайной компоненты, т.е. как результата |
||
воздействия множестваАслучайных факторов. |
||
Основная задача эконометрического исследования отдельного вре- |
||
менного ряда – выявление и придание количественного выражения каж- |
дой из перечисленных выше компонентДс тем, чтобы использовать полученную информацию для прогнозирования будущихИзначений ряда или при построении моделей взаимосвязи двух или более временных рядов.
В большинстве случаев фактический уровень временного ряда можно представить как сумму или произведение трендовой, циклической и случайной компонент. Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда. Модель, в которой временной ряд представлен как произведение перечисленных компонент, называется мультипликативной моделью временного ряда.
39
Аддитивной моделью временного ряда
|
= |
+ |
+ |
+ ė, |
где – фактический уровень временного ряда за определенный период |
||||
времени; |
|
|
|
|
– трендовая компонента; |
|
|
|
|
S – сезонная компонента; |
|
|
|
|
C – ц кл ческая компонента. |
|
|
|
|
Мульт пл кат вной моделью временного ряда. |
||||
С |
= |
∙ |
∙ |
∙ė. |
|
||||
Модель смешанного |
имеет вид |
|
||
типа= ∙ ∙ +ė. |
||||
Выбор в да модели зависит от характера периодических колебаний. |
||||
Если амплитуда сезонных коле аний |
остается во времени постоянной, |
|||
применяется аддитивная модель. Если амплитуда колебаний изменяется |
во времени, рассматриваетсябАмультипликативная модель. В аддитивной модели компоненты ряда выражены в тех же единицах измерения, что и динамический признак. В мультипликативной модели периодическая и случайная составляющая выражена в относительных единицах [1, 4, 9].
Анализ временных рядов, отражающих развитие экономических процессов, начинается с оценки данных. Уровни исследуемого показателя обязательно должны быть сопоставимыми, однородными и устойчивыми,
а их число достаточно велико. |
Д |
|
|
Сопоставимость достигается в результате одинакового подхода к на- |
|
блюдениям на разных этапах формирования динамического ряда. Уровни |
|
во временных рядах должны иметь одинаковые: единицы измерения, шаг |
наблюдения, интервал времени, методику расчёта, элементы, относящиеся
к неизменной совокупности. |
И |
Однородность данных означает отсутствие сильных изломов тенденций, а также аномальных (т.е. резко выделяющихся, нетипичных для
данного ряда) наблюдений. Аномальные наблюдения проявляются в виде сильного изменения уровня – скачка или спада – с последующим приблизительным восстановлением предыдущего уровня. Наличие аномалии резко снижает качество результатов моделирования. Поэтому аномальные наблюдения ряда необходимо исключить, заменив их расчётными значе-
40
ниями. Устойчивость характеризуется преобладанием закономерности над случайностью в изменении уровней ряда. Требование полноты данных обусловливается тем, что закономерность может обнаружиться лишь при наличии минимально допустимого объёма наблюдений.
4.2. Автокорреляция уровней временного ряда и выявление |
|
С |
его структуры |
|
При нал ч во временном ряде тенденции и циклических колебаний значен я каждого последующего уровня зависят от предыдущих. Корреляц онную зав с мость между последовательными уровнями временного ряда называют автокорреляцией уровней ряда. Количественно её
можно оцен ть с помощью линейного |
коэффициента корреляции между |
||||||||
|
сходного временного ряда и уровнями этого ряда, сдвинутыми |
||||||||
на несколько шагов во времени. |
|
|
|
|
|
|
|||
Коэфф ц ент автокорреляции уровней |
|
|
|
||||||
уровнями |
∙ |
∙ ) |
; |
|
|
||||
|
= ( |
|
(53) |
||||||
где – фактический уровень временного ряда; |
|
||||||||
|
– среднее арифметическое произведение двух рядов, взятых с |
||||||||
лагом l: |
бА∑ ∙ ; |
|
|||||||
|
(54) |
||||||||
|
|
|
|
= |
|
|
, |
|
|
|
– значение среднего уровня ряда |
: |
|
||||||
|
= |
∑ |
|
Д; |
(55) |
||||
|
– значение среднего уровня ряда |
, |
: |
|
|||||
|
= |
∑ |
|
|
; |
|
И(56) |
∙– среднеквадратичное отклонение рядов.
Величина сдвига между рядами наблюдений называется временным лагом, значение которого определяет порядок коэффициента автокорреляции. С увеличением лага число пар значений, по которым рассчитыва-
41
ется коэффициент автокорреляции, уменьшается. Считается целесообразным для обеспечения статистической достоверности коэффициентов автокорреляции использовать правило – максимальный лаг должен быть не больше n/4.
войства коэффициента автокорреляции:
Во-первых, он строится по аналогии с линейным коэффициентом корреляции и, таким образом, характеризует тесноту только линейной (или близкой к линейной) связи текущего и предыдущего уровней ряда. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию (напр мер параболу второго порядка или экспоненту), коэффициент
автокорреляц уровней |
сходного ряда может приближаться к нулю. |
Во-вторых, по знаку коэффициента автокорреляции нельзя делать |
|
С |
у ывающей тенденции в уровнях ряда. Боль- |
вывод о возрастающей |
шинство временных рядов экономических данных содержат положительную автокорреляц ю уровней, однако при этом могут иметь убывающую тенденц ю.
ли
Одн м з на олее простых и распространенных методов определения структуры временного ряда является построение графика автокорре-
ляционной функц .
Автокорреляционная функция представляет собой функцию оценки
коэффициента автокорреляции в зависимости от величины временного ла- |
|
га между исследуемыми рядами. Данная функция отражает внутреннюю |
|
структуру временного ряда, наличие и отсутствие в ряду периодических |
|
|
Д |
колебаний, величину периода колебаний. Величина периода колебания |
|
равна той величинебАлага, при которой коэффициент автокорреляции уров- |
|
ней наибольший. |
|
Графиком автокорреляционной функции является коррелограмма, |
|
которая отражает численно и графически автокорреляционную функцию |
|
|
И |
либо коэффициенты корреляции для последовательности лагов из определенного диапазона [5, 7].
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 k , то ряд содержит циклические колебания с периодичностью в k моментов времени. Если ни один из коэффициентов автокорреляции не является значимым, можно сделать одно из двух предположений относительно структуры это-
42