Ряды динамики. Т 6 Ряды динамики. Виды временных рядов
Скачать 237.05 Kb.
|
Линейная модель: Расчёт параметров модели производится по формулам: 2. Параболическая модель: Расчёт параметров модели производится по формулам: 3. Показательная (экспоненциальная) модель: Расчёт параметров модели производится по формулам: При расчёте коэффициентов моделей переходят к центрированной шкале: в случае нечётного числа наблюдений начало координат (t=0) будет соответствовать уровню ряда с номером . Все остальные значения строятся с шагом один вверх со знаком « + », вниз со знаком « – »; в случае чётного числа наблюдений уровням ряда с номерами и присваиваются значения и и далее временная шкала строится с интервалом два, вверх со знаком « + », вниз со знаком « – ». Вопрос о возможности применения построенных моделей в целях анализа и прогнозирования явления или процесса может быть решён только проверки адекватности, то есть соответствия модели исследуемому процессу. Проверка адекватности выбранных моделей реальному процессу строится на анализе остаточной компоненты: Принято считать, что модель адекватна описываемому процессу, если ряд остатков обладает следующими свойствами: подчиняется нормальному закону распределения; значения уровней ряда остатков между собой независимы. Проверка на нормальность распределения ряда остатков осуществляется на основе расчёта коэффициентов асимметрии и эксцесса: – коэффициент асимметрии, – коэффициент эксцесса. Нулевая гипотеза Н0: ряд остатков имеет нормальное распределение, Альтернативная гипотеза Н1: ряд остатков не имеет нормального распределения. Для проверки гипотезы проверяется выполнение следующих неравенств: Если оба неравенства выполняются (верны), то гипотеза Н0 принимается, то есть ряд остатков имеет нормальное распределение. Если хотя бы одно из неравенств неверно, то гипотеза Н0 отвергается, и принимается альтернативная гипотеза Н 1. Проверка на независимость ряда остатков осуществляется на основе критерия Дарбина-Уотсона. I случай Нулевая гипотеза Н0: автокорреляция остатков отсутствует. Альтернативная гипотеза Н1: в остатках существует положительная автокорреляция первого порядка. Найдём расчётное значение критерия Дарбина-Уотсона по формуле: , в этом случае . Расчётное значение критерия сравнивается с табличными значениями и (приложение 2): если , то гипотеза Н0 отвергается в пользу гипотезы Н1; если , то гипотеза Н0 не отвергается; если , то нельзя сделать определённого вывода об автокорреляции остатков по имеющимся данным. II случай Нулевая гипотеза Н0: автокорреляция остатков отсутствует. Альтернативная гипотеза Н1: в остатках существует отрицательная автокорреляция первого порядка. Найдём расчётное значение критерия Дарбина-Уотсона по формуле: , в этом случае . C табличными значениями и сравнивается величина : если , то гипотеза Н0 отвергается в пользу гипотезы Н1; если , то гипотеза Н0 не отвергается; если , то нельзя сделать определённого вывода об автокорреляции остатков по имеющимся данным. Важной характеристикой качества модели, выбранной для прогнозирования, является исследование этой модели на точность. Для этого используют ряд показателей: средняя ошибка аппроксимации : если – модель имеет высокую точность; если – модель имеет хорошую точность; если – модель имеет удовлетворительную точность; если – модель не пригодна для прогнозирования. 2. средняя квадратическая ошибка Чем меньше s, тем точнее модель. Пример 2. В таблице представлены данные об изменении урожайности озимой пшеницы за 9 лет (пример 1):
Требуется: построить линейную, параболическую и показательную прогнозные модели; проверить линейную модель на адекватность и точность; найти прогнозные значения урожайности на следующие три года. Решение: Для построения линейной, параболической и показательной моделей (расчёта их параметров) составим сводную таблицу (второй столбец в таблице (t) – центрированная шкала).
|