|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Методы исключения тенденцийМетод отклонений от тренда · по факт рядам xt и yt опред-ся коэф-т автокор-ции 1-го порядка · при наличии тенденции выполняется выравнивание рядов xt и yt · опред-ся расчетные ур-ний xt и ŷt · опред-ся отклонения от трендов xt-xt и yt-ŷt · рассчит-ся коэф-т автокор-ции 1-го порядка по отклонениям от трендов · при отсутствии тенденции строится ур-ние регрессии м/ду фактором и рез-м, где в кач-ве исходных данных выпускают отклонения от трендов. Параметры не интерпретируются, но рез-ты м-т исполь Метод последовательных разностей Если временной ряд содержит ярко выраженную линейную тенденцию, ее можно устранить путем замены исходных уровней ряда цепным абсолютными приростами (первыми разностями). Пусть yt= ŷt+εt, где εt-случайная ошибка, ŷt=a+b*t, Коэффициент b – константа, которая не зависит от времени. При наличии сильной линейной тенденции остатка εt достаточно малы и в соответствии с предпосылками МНК носят случайный характер. Поэтому первые разности уровней ∆t не зависят от переменной времени, их можно использовать для дальнейшего анализа. Если временной ряд содержит тенденцию в форме параболы 2-го порядка, то для ее устранения можно заменить исходные уровни ряда на вторые разности: ŷt=a+b1*t+b2*t2. Как показывает соотношение, первые разности ∆t= непосредственно зависят от фактора времени t и следовательно, содержит тенденцию. Определим вторые разности: Очевидно, что вторые разности ∆2t не содержат тенденции, поэтому при наличии в исходных уровнях тренда в форме параболы 2-го порядка их можно использовать для дальнейшего анализа. Если тенденции временного ряда соответствует экспоненциальный или степенной тренд, метод последовательных разностей следует применять не к исходным уровням ряда, а к их логарифмам. Включение в модель регрессии фактора времени В корреляционно-регрессионном анализе устранить воздействие какого-либо фактора можно, если зафиксировать воздействие этого фактора на результат и другие включенные в модель факторы. Этот прием широко используется в анализе временных рядов, когда тенденция фиксируется через включение фактора времени в модель в качестве независимой переменной. Модель вида ŷt=a+b1*х1+b2*t+εt, относится к группе моделей, включающих фактор времени. Очевидно, что число независимых переменных в такой модели может быть больше 1. Преимущество данной модели по сравнению с методом отклонений от трендов и последовательных разностей в том, что она позволяет учесть всю информацию, содержащуюся в исходных данных, поскольку значения xt и yt есть уровни исходных временных рядов. Кроме того, модель строится по всей совокупности данных за рассматриваемый период в отличие от метода последовательных разностей, который приводит к потере числа наблюдений. Параметры a и b модели с включением фактора времени определяются обычным МНК.
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.) |