|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Й учебный вопрос. Построение и исследование моделей на основе временных рядов
Измерение взаимосвязи расходов на конечное потребление и совокупного дохода. Вернемся к примеру. Пусть помимо расходов на конечное потребление имеются данные о совокупном доходе (д. е). Исходные данные за 8 лет представлены в табл. 6.1. Требуется охарактеризовать тесноту и силу связи между временными рядами совокупного дохода xt и расходов на конечное потребление уt Корреляционно-регрессионный анализ, проведенный по исходным данным рядов, приводит к следующим результатам: Как было показано в примере 5.1, коэффициент автокорреляции первого порядка по ряду расходов на конечное потребление = 0,976. Аналогично можно рассчитать, что коэффициент автокорреляции первого порядка временного ряда совокупного дохода = 0,880. Можно предположить, что полученные результаты содержат ложную корреляцию ввиду наличия в каждом из рядов линейной или близкой к линейной тенденции. Применим метод устранения тенденции по отклонениям от тренда. Результаты расчета линейных трендов по каждому из рядов представлены в табл. 6.2. определим расчетные значения , и и отклонения от трендов (табл. 6.3). Проверим полученные отклонения от трендов на автокорреляцию. Коэффициенты автокорреляции первого порядка по отклонениям от трендов составляют: Следовательно, временные ряды отклонений от трендов можно использовать для получения количественной характеристики тесноты связи исходных временных рядов расходов на конечное потребление и общего дохода. Коэффициент корреляции по отклонениям от трендов = 0,860 (сравните это значение с коэффициентом корреляции по исходным уровням рядов = 0,982). Связь между расходами на конечное потребление и совокупным доходом прямая и тесная.
Содержательная интерпретация параметров этой модели затруднительна, однако ее можно использовать для прогнозирования. Для этого необходимо определить трендовое значение факторного признака ис помощью одного из методов оценить величину предполагаемого отклонения фактического значения от трендового. Далее по уравнению тренда для результативного признака определяют трендовое значение а по уравнению регрессии по отклонениям от трендов находят величину отклонения yt — Затем находят точечный прогноз фактического значения yt по формуле:
Изучение зависимости расходов на конечное потребление от совокупного дохода по первым разностям. Обратимся вновь к данным о расходах на конечное потребление yt и совокупном доходе xt (табл. 6.1). Проанализируем зависимость между этими рядами, используя для этого первые разности (табл. 6.4). Результаты проверки временных рядов первых разностей на автокорреляцию приведены в последней строке табл. 6.4. Поскольку полученные ряды не содержат автокорреляции, будем использовать их вместо исходных данных для измерения зависимости между расходами на конечное потребление и совокупным доходом. Коэффициент корреляции этих рядов по первым разностям составляет = 0,717. Это подтверждает вывод о наличии тесной прямой связи между расходами на конечное потребление и совокупным доходом, приведенный в примере 6.1. Построение уравнения регрессии зависимости расходов на конечное потребление от совокупного дохода по первыми разностям привело к следующим результатам:
Таким образом, уравнение регрессии имеет вид: В отличие от уравнения регрессии по отклонениям от тренда, параметрам данного уравнения легко дать интерпретацию. При изменении прироста дохода на 1 д. е. прирост потребления изменяется в среднем на 0,43 д. е. в ту же сторону. При всей своей простоте метод последовательных разностей имеет два существенных недостатка. Во-первых, его применение связано с сокращением числа пар наблюдений, по которым строится уравнение регрессии, и, следовательно, с потерей числа степеней свободы. Во-вторых, использование вместо исходных уровней временных рядов их приростов или ускорений приводит к потере информации, содержащейся в исходных данных.
Построение модели регрессии с включением фактора времени. Вернемся к данным табл. 6.1. Построим уравнение регрессии, описывающее зависимость расходов на конечное потребление у, от совокупного дохода х, и фактора времени. Для расчета параметров уравнения регрессии (6.8) воспользуемся обычным МНК. Система нормальных уравнений имеет вид: Рассчитав по исходным данным необходимые величины, получим: Решив эту систему относительно a, и , находим: a = 1,15; и =0,63. Следовательно, уравнение регрессии имеет вид: Интерпретация параметров этого уравнения следующая. Параметр 0,49 характеризует, что при увеличении совокупного дохода на 1 д. е. расходы на конечное потребление возрастут в среднем на 0,49 д. е. в условиях существования неизменной тенденции. Параметр = 0,63 означает, что воздействие всех факторов, кроме совокупного дохода, на расходы на конечное потребление приведет к его среднегодовому абсолютному приросту на 0,63 д.е.
Практическое занятие разработано к.т.н., профессор Дмитриев Я.В., к.т.н. Зуев А.С. «___»_________2012 г. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.) |