Построение авторегрессионной модели с помощью множественной регрессии
Из коррелограммы видно, что наибольшее значение частная автокорреляционная функция достигает при глубине 1.
Из приложения №3 видно, что нам больше подходит модель авторегрессии первого порядка. Построим эту модель.
Авторегрессионная модель первого порядка:
t= -0,629849*t-1+zt
Теперь построим модель этого вида используя мнк.
Результаты приведены в Приложении №5. Из результатов следует, что модель построенная МНК более предпочтительна, так как коэффициент несоответствия принимает меньшее значение.
t= -0,63408t-1+zt
Проведем дисперсионный анализ:
-
Для оценки модели в целом рассчитывается F-стат.
, где , . Затем F-стат сравнивается с F-табл при степенях свободы . F-стат=9,78 > F-табл=4,2, можно сделать вывод о значимости модели в целом.
-
Для оценки параметров модели рассчитывается t-стат.
, где , диагональные элементы есть дисперсии свободного члена и коэффициентов регрессии, Z - матрица независимых переменных; . Затем t -стат сравнивается с t -табл при степени свободы . Если t-стат > t-табл, то делаем вывод о значимости параметра.
-
Для построения доверительного интервала параметров модели воспользуемся следующей формулой:
Результаты дисперсионного анализа показали, что модель значима т.к. F-стат > F-табл (F-стат=9,78, F-табл при 1, 28 равно 4,2).
Дисперсионный анализ показал, что параметры данных моделей, т.к. t-стат > t-табл (t-стат=3,96, t-табл при 29, 0,05 = 1,699) а также модели в целом значимы.
Доверительный интервал для -0,360<=аj<=-0,899
Теперь посмотрим подчиняется ли ряд остатков zt (обеих моделей) закону нормального распределения.
Для этого необходимо будет рассчитать показатель асимметрии (А) и эксцесса (Э), и их среднеквадратические ошибки А Э.
Уровни ряда являются нормально распределенными, если выполняются следующие условия (для выборочной совокупности):
,
где коэффициенты асимметрии и эксцесса определяются по формулам:
=-0,4938 =-0,4497
а среднеквадратические ошибки коэффициентов асимметрии и эксцесса - по формулам:
=0,4052 =0,1278
Если выполняется хотя бы одно из неравенств:
,
то данные не являются даже приблизительно нормальными и их применение в дальнейшем анализе не рекомендуется.
Рассчитаем, выше приведенные показатели, для zt , полученного в результате построения модели.
0,4938<2*0,4052, 0,2561<1,4
Отклонения zt , полученные в результате построения модели, имеют приблизительно нормальный закон распределения с математическим ожиданием 0.
Построение прогноза
Построим прогноз по уравнению следующего вида:
10,2919+2,4895*t+ t
t – построенная модель авторегрессии, но перестроенная по 35 данным и соответственно имеющая вид:
t=-0,739818*t-1+zt
Рассчитаем значения модели и коэффициент несоответствия по экзаменующей выборке:
T |
Y |
Линейная модель |
Значения остатков |
et |
Прогноз |
31 |
90,4 |
87,47 |
2,93 |
1,905618 |
88,33 |
32 |
88,2 |
89,96 |
-1,76 |
-2,1694 |
89,08 |
33 |
94,3 |
92,45 |
1,85 |
1,298488 |
93,07 |
34 |
92,6 |
94,93 |
-2,33 |
-1,37148 |
94,43 |
35 |
99,6 |
97,42 |
2,18 |
1,726659 |
98,26 |
36 |
|
99,91 |
|
-1,60886 |
99,33 |
Значение коэффициента несоответствия равно: 0,007844
Точечный прогноз на 36 период: 99,33
Запишем общее уравнение модели. Для этого подставим
12,4394+3,2922*t-0,3176*+ zt
Построим доверительный интервал прогноза. Для этого воспользуемся следующей формулой:
(1 36 99,6)
s=0,41
2,02
Доверительный интервал: 98,42100,21
10,6690714,209728
0,380676,20384
-0,35853-0,27668