- •Эконометрика
- •II курса специальности 080109. Бухгалтерский учет, анализ и аудит.
- •Введение
- •Программа курса эконометрики
- •Задание № 1
- •Парная регрессия
- •Парная регрессия – уравнение связи двух переменных и :
- •Близость к нулю означает отсутствие линейной связи между признаком и фактором.
- •Контрольное задание 1 Задачи 1-5
- •Окончание таблицы 1.3
- •Задачи 6 – 10
- •Задание 2 Множественная регрессия
- •Для выявления мультиколлинеарных факторов можно использовать корреляционную матрицу :
- •Контрольное задание № 2 Задачи 11-15
- •Задачи 16-20
- •Задание 3 Системы эконометрических уравнений
- •Задание 4 Анализ временных рядов
- •Контрольное задание № 4 Задачи 31-35
- •Задачи 36-40
- •Библиографический список
- •Критические значения t-критерия Стьюдента при уровне значимости 0,10; 0,05;, 0,01 (двухсторонний)
- •Критические значения корреляции для уровней значимости
- •Значения статистик Дарбина – Уотсона , при
- •Елисеева с.В.
- •423450, Рт, г.Альметьевск, ул.К. Цеткин,22
Задание 4 Анализ временных рядов
Модели, построенные по данным, характеризующим один объект за ряд последовательных моментов (периодов), называется моделями временных рядов.
Временной ряд – это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов.
Каждый уровень временного ряда формируется из трендовой (Т), циклической (S), случайной (E) компонент.
Модели, в которых временной ряд представлен как сумма перечисленных компонент, - аддитивные модели, как произведение – мультипликативные модели временного ряда.
Аддитивная
модель имеет вид:
;
Мультипликативная
модель:
.
Построение
аддитивной и мультипликативной моделей
сводится к расчету значений
и
для каждого уровня ряда.
Построение модели включает в себя следующие шаги:
1) выравнивание исходного ряда методом скользящей средней;
2)
расчет значений сезонной компоненты
;
3)
устранение сезонной компоненты из
исходных уровней ряда и получение
выровненных данных в аддитивной
или в мультипликативной
модели.
4) аналитическое выравнивание уровней или и расчет значений Е с использованием полученного уравнения тренда;
5)
расчет полученных по модели значений
или
;
6) расчет абсолютных и (или) относительных ошибок.
Автокорреляцией уровней ряда – это корреляционная зависимость между последовательными уровнями временного ряда:
,
(4.1)
где
;
– коэффициент автокорреляции уровней
ряда
первого порядка;
,
(4.2)
где
;
– коэффициент автокорреляции уровней
ряда второго порядка.
Формулы для расчета коэффициентов автокорреляции старших порядков легко получить из формулы линейного коэффициента корреляции.
Последовательность коэффициентов автокорреляции уровней первого, второго и т.д. порядков называют автокорреляционной функцией временного ряда, а график зависимости ее значений от величины лага (порядка коэффициента автокорреляции) – коррелограммой.
Построение аналитической функции для моделирования тенденции (тренда) временного ряда называют аналитическим выравниванием временного ряда. Для этого чаще всего применяются следующие функции:
линейная
;гипербола
:экспонента
;степенная функция
;парабола второго и более высоких порядков
.
Параметры
трендов определяются обычным МНК, в
качестве независимой переменной
выступает время
,
а в качестве зависимой переменной –
фактические уровни временного ряда
.
Критерием отбора наилучшей формы тренда
является наибольшее значение
скорректированного коэффициента
детерминации
.
Автокорреляция
в остатках –
корреляционная зависимость между
значениями остатков
за текущий и предыдущие моменты времени.
Для определения автокорреляции остатков используют критерий Дарбина – Уотсона и расчет величины:
.
ПРИМЕР 4. Имеются данные об урожайности овощных культур в хозяйствах региона. Данные приведены в табл. 4.1.
Таблица 4.1
Год |
1989 |
1990 |
1991 |
1992 |
1993 |
1994 |
1995 |
1996 |
Урожайность, т/га |
10,2 |
10,7 |
11,7 |
13.1 |
14,9 |
17,2 |
20,0 |
23,2 |
Для данного временного ряда требуется:
1. Обосновать тип уравнения тренда.
2. Рассчитать параметры тренда.
3. Дать прогноз на 1997 год.
Решение.
Определим коэффициент корреляции между
рядами
и
.
Воспользуемся формулой (4.1), расчеты
приведены в таблице 4.2:
Таблица 4.2
|
год |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
10,2 |
- |
- |
- |
- |
- |
- |
- |
- |
- |
- |
- |
- |
|
2 |
10,7 |
10,2 |
- |
-5,128 |
-3,771 |
26,2964 |
14,22044 |
- |
- |
- |
- |
19,33769 |
- |
|
3 |
11,7 |
10,7 |
10,2 |
-4,128 |
-3,271 |
17,0404 |
10,69944 |
-4,983 |
-2,767 |
24,83029 |
7,656289 |
13,50269 |
13,78796 |
|
4 |
13,1 |
11,7 |
10,7 |
-2,728 |
-2,271 |
7,44198 |
5,157441 |
-3,583 |
-2,267 |
12,83789 |
5,139289 |
6,195288 |
8,122661 |
|
5 |
14,9 |
13,1 |
11,7 |
-0,928 |
-0,871 |
0,86118 |
0,758641 |
-1,783 |
-1,267 |
3,179089 |
1,605289 |
0,808288 |
2,259061 |
|
6 |
17,2 |
14,9 |
13,1 |
1,372 |
0,929 |
1,88238 |
0,863041 |
0,517 |
0,133 |
0,267289 |
0,017689 |
1,274588 |
0,068761 |
|
7 |
20,0 |
17,2 |
14,9 |
4,172 |
3,229 |
17,4056 |
10,42644 |
3,317 |
1,933 |
11,00249 |
3,736489 |
13,47139 |
6,411761 |
|
8 |
23,2 |
20,0 |
17,2 |
7,372 |
6,029 |
54,2464 |
36,34884 |
6,517 |
4,233 |
42,47129 |
17,91829 |
44,44579 |
27,58646 |
|
|
36 |
|
|
|
0,004 |
0,003 |
125,274 |
78,47429 |
0,002 |
-0,002 |
94,58833 |
36,07333 |
99,03572 |
5 32 8,23667 |
Средн. |
4,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Результат говорит о тесной зависимости между урожайностью текущего и непосредственно предшествующего годов и наличии во временном ряде сильной линейной тенденции.
Определим коэффициент автокорреляции второго порядка по формуле (4.2):
,
Результат
подтверждает наличие линейной тенденции.
Выбираем линейное уравнение тренда:
.
3. Параметры определим, используя МНК. Результаты расчетов приведены в табл. 4.3.
Таблица 4.3
|
|
|
|
|
|
|
|
|
|
|
1 |
10,2 |
1 |
104,04 |
10,2 |
-3,5 |
12,25 |
8,800 |
1,400 |
1,960 |
|
2 |
10,7 |
4 |
114,49 |
21,4 |
-2,5 |
6,25 |
10,607 |
0,093 |
0,009 |
|
3 |
11,7 |
9 |
136,89 |
35,1 |
-1,5 |
2,25 |
12,414 |
-0,714 |
0,09 |
|
4 |
13,1 |
16 |
171,61 |
52,4 |
-0,5 |
0,25 |
14,221 |
-1,121 |
1,257 |
|
5 |
14,9 |
25 |
222,01 |
72,5 |
0,5 |
0,25 |
16,028 |
-1,128 |
1,272 |
|
6 |
17,2 |
36 |
295,84 |
103,2 |
1,5 |
2,25 |
17,835 |
-0,635 |
0,403 |
|
7 |
20,0 |
49 |
400,00 |
140 |
2,5 |
6,25 |
19,642 |
0,358 |
0,128 |
|
8 |
23,2 |
64 |
538,24 |
185,5 |
3,5 |
12,25 |
21,449 |
1,751 |
3,066 |
|
|
36 |
121 |
204 |
1983,12 |
620,4 |
0,00 |
32,00 |
|
|
8,604 |
Средн. |
4,5 |
15,125 |
25,5 |
247,890 |
77,55 |
|
|
|
|
|
.
Уравнение
тренда примет вид:
,
коэффициент корреляции
.
Расчетное
значение критерия Фишера равно
,
,
следовательно, уравнение статистически
значимо и прогноз имеет смысл.
Прогнозное
значение (при
),
,
средняя ошибка прогноза вычислим по
формуле
,
где остаточная
дисперсия
рассчитывается по формуле
;
.
Предельная
ошибка прогноза
,
,
.
Доверительный
интервал прогноза
.
Выполненный
прогноз надежный и достаточно точный.
Следовательно, применительно к
рассмотренному временному ряду темпы
роста урожайности за восемь рассмотренных
лет изменялись от
(т/га) со средним за год приростом, равным
(т/га).
