АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Оцінка наявності автокореляції

Читайте также:
  1. II. Визнання та оцінка запасів
  2. II. Визнання та первісна оцінка запасів
  3. II. Визнання та первісна оцінка нематеріальних активів
  4. III. Визнання та первісна оцінка основних засобів
  5. III. Облік і контроль наявності та руху запасів в місцях їх зберігання
  6. III. Оцінка після первісного визнання та переоцінка нематеріальних активів
  7. IV. Оцінка вибуття запасів
  8. VII. Переоцінка та зменшення корисності основних засобів
  9. Аналіз і оцінка комерційного ризику
  10. Аналіз та оцінка екологічної складової регіональної системи
  11. Аналіз та оцінка ефективності експортних операцій
  12. Аналіз та оцінка ефективності імпортних операцій

Перевірка незалежності значень рівнів випадкової компоненти, тобто перевірка відсутності істотної автокореляції в остаточній послідовності може здійснюватись за допомогою декількох критеріїв, найбільш поширеним серед яких є критерій Дарбіна-Уотсона. Розрахункове значення цього критерію визначається за формулою:

, (7.1)

де – відхилення рівнів тренду () від рівнів фактичного часового ряду ()

(7.2)

Розрахункове значення критерію Дарбіна-Уотсона може набувати значень в проміжку [0;4]. Якщо залишки eі є випадковими величинами, нормально розподіленими, а не автокорельованими, то значення d знаходяться поблизу 2. Значення критерію Дарбіна-Уотсона в діапазоні від 2 до 4 свідчить про від’ємну автокореляцію, в такому випадку його необхідно перетворити за формулою і в подальшому використовувати це значення. При додатній автокореляції значення d майже дорівнюють 0.

Розраховане значення критерію d (або ) при заданій кількості спостережень n і числі незалежних змінних k порівнюється з максимальним d2 та мінімальним d1 табличними значеннями статистики Дарбіна-Уотсона.

Якщо розрахункове значення критерію d Дарбіна-Уотсона більше максимального табличного рівня d2 (d>d2), то гіпотеза про незалежність рівнів остаточної послідовності, тобто про відсутність в ній автокореляції, приймається. Якщо значення розрахункового d менше нижнього табличного значення d1 (d<d1), то така гіпотеза відхиляється, і модель має додатну автокореляцію. Якщо розраховане d знаходиться між значеннями d1 та d2, включаючи їх самих, то вважається, що немає достатніх підстав роботи той чи інший висновок, отже необхідні подальші додаткові дослідження з більшою сукупністю спостережень.

Фрагмент табличних значень для різної кількості рівнів ряд n та кількості параметрів моделі k, які визначаються, наведений в таблиці 7.1 (рівень значимості 5%).

 

Таблиця 7.1 – Табличні значення критерію Дарбіна-Уотсона

n k=1 k=2 k=3
d1 d2 d1 d2 d1 d2
  0,88 1,32 0,7 1,64 0,53 2,02
  1,08 1,36 0,95 1,54 0,82 1,75
  1,20 1,41 1,10 1,54 1,00 1,68
  1,29 1,45 1,21 1,55 1,12 1,66
  1,35 1,49 1,28 1,57 1,21 1,65

 

2. Перевірка відповідності розподілу випадкової компоненти нормальному закону розподілу може бути здійснена лише приблизно за допомогою дослідження показників асиметрії (g1) та ексцесу (g2). При нормальному розподілі показники асиметрії та ексцесу деякої генеральної сукупності дорівнюють 0. Ми припускаємо, що відхилення від тренду представляє собою вибірку з генеральної сукупності, тому можна визначити тільки вибіркові характеристики асиметрії (g1) та ексцесу (g2) та їх похибки (sg1, sg2):

, (7.3)

, (7.4)

, (7.5)

. (7.6)

Якщо одночасно виконуються наступні нерівності:

; , (7.7)

то гіпотеза про нормальний характер розподілу випадкової компоненти приймається.

Якщо виконується хоча б одна з нерівностей:

; , (7.8)

то гіпотеза про нормальний характер розподілу відхиляється, трендова модель визнається неадекватною. Інші варіанти вимагають додаткової перевірки за допомогою більш складних критеріїв.

 

На другому етапі верифікації прогнозу для адекватних моделей необхідно провести оцінку їх точності. Точність трендової моделі характеризується величиною відхилення отриманого тренду від фактичних значень показника. Для перевірки достовірності прогнозів та вибору найбільш точного способу вирівнювання необхідно розрахувати показники, які характеризують точність вирівнювання та ступінь приближення вирівняних значень до фактичних.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 |

Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.007 сек.)