- •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
го 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.
|
4.3. Моделирование тенденций временного ряда |
|||||||
Одной |
з важнейш х задач исследования показателей экономического |
|||||||
временного ряда является выявление основной тенденции изучаемого про- |
||||||||
цесса. Поскольку зав с мость от времени может принимать разные формы, |
||||||||
С |
|
|
|
|
|
|||
для ее формал зац |
можно использовать различные виды функций. Для |
|||||||
построен я трендов чаще всего применяются следующиефункции: |
||||||||
линейный тренд: |
|
|
характеризует, что уровни динамиче- |
|||||
ского ряда |
зменяются |
одинаковой скоростью, т.е. с равным абсолют- |
||||||
|
|
|
|
y = a +bt |
|
|
|
|
нымприростом(параметр b). Теоретические уровни ряда будут изменять- |
||||||||
ся на вел ч ну параметра b, т.е. в арифметической прогрессии; |
||||||||
гипербола: |
|
|
характеризует |
снижение или возрастание |
||||
уровней ряда во |
времени; |
|
|
|
|
|||
|
y = a + |
|
|
|
|
|||
тренд в форме степенной функции: |
|
применяется при раз- |
||||||
ной пропорциональности изменений уровней во времени; |
||||||||
|
|
|
|
|
|
|
y |
= at |
|
бА |
Д К основным методам выявления наличия трендаИможно отнести:
прочие.
Оценка параметров уравнения тренда производится методом наименьших квадратов. В качестве зависимой переменной рассматриваются уравнения динамического ряда, а в качестве независимой переменной –
фактор времени, который выражается рядом натуральных чисел [3].
1.Сравнение уровней ряда – временной ряд разбивается на две равные части, каждая из которых рассматривается как самостоятельная выборочная совокупность, которая подчиняется нормальному закону распределения. Для новых временных рядов определяются средние арифметические значения и выборочная дисперсия, гипотеза о равенстве дисперсий
проверяется с помощью критерия |
Фишера. |
Наблюдаемое значение |
|
F-критерия определяется по формуле |
набл = |
|
. Критическое значение |
|
критерия определяется для уровня значимости и двух степеней свободы = − 1 и = − −1 по таблице Фишера – Снедекора. Гипотеза о равенстве генеральных дисперсий принимается, если наблюдаемое значе-
43
ние F-критерия больше критического значения, и отвергается, если наблюдаемое значение F-критерия меньше критического. Гипотеза о равенстве генеральных средних проверяется с помощью критерия Стъюдента. Критическое значение определяется для уровня значимости и степени свободы (N-2) по таблице распределения Стъюдента.
2.Метод серий, основанный на медиане выборки, – если временной ряд ранжируется, т.е. наблюдения упорядочиваются по возрастанию, определяется медиана ранжированного ряда. Начальные уровни временного ряда сравн ваются с медианным значением. Если уровень ряда больше медианного значен я, пр сваивается знак «+», а если меньше знак «-». Основная г потеза об отсутствии тренда проверяется при уровне значи-
мости 0,05. Г потеза отклоняется, если не выполняются неравенства: |
||||
С |
|
|
|
|
|
уровень значимости равен 0,05, |
|||
|
общее |
серий исследуемого ряда |
||
коли> |
1 |
|
|
|
2чество+1 −1,96√ −1 . |
||||
|
бАв 1, < |
3. Метод Форстера – Стьюарда – каждый уровень временного ряда сравнивается со сво ми предыдущими значениями, и определяются вспо-
могательные переменные: |
|
1, |
> |
0,в |
|||
0, |
|
противном случае |
|
|
= |
− . |
|
|
противном случае |
Гипотеза об отсутствии тренда проверяется с помощью критерия Стъю- |
|||||
дента, расчетное значение рассчитывается по формуле |
|
|
|||
|
|||||
где D – сумма |
|
Драс = , |
|||
− |
отклонение величины. |
|
|
|
|
стандартное, |
|
|
|
||
Критическое значение критерия Стъюдента определяется по таблице |
|||||
распределения Стъюдента в зависимости от уровня значимости и числа |
|||||
степеней свободы (N-1) [5, 6]. |
|
И |
Основным способом представления тренда в аналитическом виде является метод аналитического выравнивания с помощью функций времени или кривых роста. Сущность способа заключается в аппроксимации временного ряда определенной формой регрессионной зависимости. Для оценки адекватности подобранной модели применяются следующие способы:
44
Анализ остатков – модель считается адекватной, если теоретические значения уровня ряда достаточно близко подходят к фактическим их значениям
|
́ |
|
ė |
|
, |
|
|
|
|
уровни временного ряда. |
|||||
|
где – теоретические |
|
= |
− ́ |
|
||
С |
|
|
|
|
|||
|
Автокорреляция в остатках рассчитывается с помощью коэффициен- |
||||||
та автокорреляции остатков. |
|
|
|
|
|||
|
Проверка незав с мости остатков на основе критерия Дарбина– |
||||||
Уотсона – баз руется на гипотезе о наличии или отсутствии автокорреля- |
|||||||
ции в рядах. |
|
|
|
|
|
||
|
Методы механ ческого выравнивания |
применяются в том случае, |
|||||
когда граф ческая форма тренда не определяется. При этом исходные |
|||||||
уровня ряда заменяются расчетными значениями с меньшими колебания- |
|||||||
ми. Механ ческое |
|
в |
ольшинстве случаев выполняется ме- |
||||
тодом сглаж ван я скользящими средними, |
который позволяет смягчить |
||||||
влияниевыравниваниене только случайных, но и периодических факторов. Длина ин- |
|||||||
тервала сглаж |
я определяется как число последовательных уровней |
||||||
ряда и называется окном сглаживания. Чем оно шире, тем более гладким |
|||||||
становится |
|
|
ряд. |
Интервал сглаживания изменяется по |
|||
|
|
преобразованный |
|
||||
ряду с шагом, равным единиц, т. е. первое окно состоит из значений |
|||||||
для, |
, а второе окно – из |
|
|
. Среднее арифметическое значение |
|||
каждого, |
окна заменяется, |
значениями, , стоящими в середине окна |
|||||
сглаживания. Отклонение значений элемента временного ряда от своего |
|||||||
|
|
|
А |
||||
среднего значения характеризуется дисперсией [1]. |
|||||||
|
4.4. Моделирование сезонных и циклических колебаний |
||||||
|
Простейший подход к моделированию сезонных колебаний – расчет |
||||||
|
|
|
|
|
Д |
||
значений сезонной компоненты методом скользящей средней и построе- |
|||||||
ние аддитивной и мультипликативной модели временного ряда. |
|||||||
|
Выбор одной из двух моделей осуществляется на основе анализа |
||||||
структуры сезонных колебаний. |
|
|
|
||||
|
Если амплитуда колебаний относительно постоянна, то строится ад- |
||||||
|
|
|
|
|
|
|
И |
дитивная модель, в которой значения сезонной компоненты являются постоянными для различных циклов. Если амплитуда сезонных колебаний возрастает или уменьшается, то строится мультипликативная модель, которая ставит уровни ряда в зависимость от значений сезонной компоненты.
Построение аддитивной и мультипликативной модели сводится к расчету параметров временного ряда для каждого уровня:
45
1. |
Нахождение уровней временного ряда методом скользящих |
|||||
средних |
. |
|
|
|
|
|
2. |
Оценка( ) |
сезонной компоненты ( и её корректировка ( ). |
||||
3. |
Элиминирование влияния сезонной) |
компоненты, вычитая её зна- |
||||
чение из каждого уровня исходного временного ряда: |
|
|||||
4. |
Построение уравнения линейного тренда по |
уровням ряда и расчет |
||||
|
= − . |
выравненных значений трендовой составляющей .
|
5.Расчет теоретических значений уровней ряда с учетом сезонности |
|||
|
|
|
|
= + . |
С6. Расчет случайной компоненты [1]. |
||||
|
Пр менен е сезонных фиктивных переменных при моделировании |
|||
сезонных колебан й позволяет построить регрессионную модель, в кото- |
||||
рую пом мо фактора |
включаются сезонные фиктивные перемен- |
|||
ные |
|
|
|
ė. Фактор времени позволяет учесть |
времени |
|
|||
|
тенденц . Сезонный фактор представлен фиктивными перемен- |
|||
влияние= + + |
+ |
+ |
|
|
ных, число которых должно |
ыть на единицу меньше числа рассматри- |
|||
ваемых параметров. Параметр b характеризует среднее абсолютное изме- |
||||
нение уровней ряда под воздействием тенденции. Каждая фиктивная пе- |
||||
ременная отражает сезонную (циклическую) компоненту временного ряда |
||||
для какого-либо одного периода. Она равна единице (1) для данного пе- |
||||
риода и нулю (0) для всех остальных. |
||||
|
Модель с фиктивными переменными является аналогом аддитивной |
|||
|
бА |
|||
модели временного ряда, поскольку фактический уровень временного ря- |
||||
да представляет собой сумму трендовой, сезонной и случайной компонен- |
||||
ты. Недостатком данной модели является наличие большого количества |
||||
переменных. |
|
|
|
|
|
Применение рядов Фурье приДвыявлении сезонной компоненты вре- |
|||
менного ряда – данный метод является разновидностью спектрального |
||||
анализа, с помощью которого в структуре временного ряда можно опре- |
||||
делить отклонение |
от тренда, что позволит рассчитать длительность пе- |
риодических колебаний периодической компонентыИряда. Суть спектрального анализа – случайный стационарный процесс может быть представлен в виде суммы гармонических колебаний различных частот, которые называются гармониками. Функция, описывающая распределение амплитуд этого процесса по различным частотам называется спектром, который показывает, какие именно колебания преобладают в изучаемом процессе и какова его структура. Сезонную составляющую можно представить в виде модели разложения в ряд Фурье, где сезонные колебания представляют собой сумму нескольких гармоник с различными периода-
46
ми. Цель спектрального анализа – оценка спектра ряда временного ряда. Графически распределение ряда можно представить в виде периодограммы, которая отражает зависимость дисперсии от частот или периодов. Перед применением спектрального анализа из исходного ряда необходимо
удалить трендовую компоненту, чтобы определить сезонную компоненту |
|
временного ряда [2, 3]. |
|
С |
|
|
Контрольные вопросы и задания |
1. |
Что пон мается под трендом? |
2. |
Охарактер зуйте основные элементы временного ряда. |
3. |
Охарактер зуйте аддитивную модель временного ряда. |
4. |
Дайте определен е понятия «автокорреляционная функция» |
5. |
Какова сущность спектрального анализа? |
6. |
бА |
Переч сл те охарактеризуйте основные методы выявления на- |
|
личия тренда. |
|
и7.Переч сл те основные этапы построения мультипликативной и |
|
аддитивной модели временного ряда. |
|
|
Д |
|
И |
47