Эконометрика. Задача. Временные ряды
Скачать 0.67 Mb.
|
Задача. |
| | | |
1 | 5,6 | 9 | 8,2 |
2 | 4,7 | 10 | 5,6 |
3 | 5,2 | 11 | 6,4 |
4 | 9,1 | 12 | 10,8 |
5 | 7,0 | 13 | 9,1 |
6 | 5,1 | 14 | 6,7 |
7 | 6,0 | 15 | 7,5 |
8 | 10,2 | 16 | 11,3 |
Решение:
1. Строим автокорреляционную функцию.
Автокорреляция уровней ряда – это корреляционная связь между последовательными уровнями одного и того же ряда динамики (сдвинутыми на определенный промежуток времени L – лаг). Лаг (сдвиг во времени) определяет порядок коэффициента автокорреляции. Если L = 1, то имеем коэффициент автокорреляции 1-го порядка. Если L = 2, то коэффициент автокорреляции 2-го порядка и т.д. Следует учитывать, что с увеличением лага на единицу число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается на 1. Поэтому обычно рекомендуют максимальный порядок коэффициента автокорреляции, равный n/4. Рассчитав несколько коэффициентов автокорреляции, можно определить лаг (I), при котором автокорреляция (rt,t-L) наиболее высокая, выявив тем самым структуру временного ряда.
Осуществляем расчет коэффициента автокорреляции 1-го порядка. Предварительно сдвигаем исходный ряд на 1 уровень.
Таблица 3.2 – Расчетная таблица
t | | | | | |
1 | 5,6 | 4,7 | 26,32 | 31,36 | 22,09 |
2 | 4,7 | 5,2 | 24,44 | 22,09 | 27,04 |
3 | 5,2 | 9,1 | 47,32 | 27,04 | 82,81 |
4 | 9,1 | 7,0 | 63,70 | 82,81 | 49,00 |
5 | 7,0 | 5,1 | 35,70 | 49,00 | 26,01 |
6 | 5,1 | 6,0 | 30,60 | 26,01 | 36,00 |
7 | 6,0 | 10,2 | 61,20 | 36,00 | 104,04 |
8 | 10,2 | 8,2 | 83,64 | 104,04 | 67,24 |
9 | 8,2 | 5,6 | 45,92 | 67,24 | 31,36 |
10 | 5,6 | 6,4 | 35,84 | 31,36 | 40,96 |
11 | 6,4 | 10,8 | 69,12 | 40,96 | 116,64 |
12 | 10,8 | 9,1 | 98,28 | 116,64 | 82,81 |
13 | 9,1 | 6,7 | 60,97 | 82,81 | 44,89 |
14 | 6,7 | 7,5 | 50,25 | 44,89 | 56,25 |
15 | 7,5 | 11,3 | 84,75 | 56,25 | 127,69 |
16 | 11,3 | 0,0 | 0,00 | 127,69 | 0,00 |
Сумма | 118,5 | 112,9 | 818,05 | 946,19 | 914,83 |
Среднее | 7,41 | 7,06 | 51,13 | 59,14 | 57,18 |
Рассчитываем выборочные дисперсии:
Рассчитываем среднеквадратические отклонения:
Линейный коэффициент автокорреляции 1-го порядка:
Таким образом, связь между рядами слабая и обратная.
Осуществляем расчет коэффициента автокорреляции 2-го порядка.
Таблица 3.3 – Расчетная таблица
t | | | | | |
1 | 5,6 | 5,2 | 29,12 | 31,36 | 27,04 |
2 | 4,7 | 9,1 | 42,77 | 22,09 | 82,81 |
3 | 5,2 | 7,0 | 36,40 | 27,04 | 49,00 |
4 | 9,1 | 5,1 | 46,41 | 82,81 | 26,01 |
5 | 7,0 | 6,0 | 42,00 | 49,00 | 36,00 |
6 | 5,1 | 10,2 | 52,02 | 26,01 | 104,04 |
7 | 6,0 | 8,2 | 49,20 | 36,00 | 67,24 |
8 | 10,2 | 5,6 | 57,12 | 104,04 | 31,36 |
9 | 8,2 | 6,4 | 52,48 | 67,24 | 40,96 |
10 | 5,6 | 10,8 | 60,48 | 31,36 | 116,64 |
11 | 6,4 | 9,1 | 58,24 | 40,96 | 82,81 |
12 | 10,8 | 6,7 | 72,36 | 116,64 | 44,89 |
13 | 9,1 | 7,5 | 68,25 | 82,81 | 56,25 |
14 | 6,7 | 11,3 | 75,71 | 44,89 | 127,69 |
15 | 7,5 | 0,0 | 0,00 | 56,25 | 0,00 |
Сумма | 107,2 | 108,2 | 742,56 | 818,50 | 892,74 |
Среднее | 7,15 | 7,21 | 49,50 | 54,57 | 59,52 |
Рассчитываем выборочные дисперсии:
Рассчитываем среднеквадратические отклонения:
Линейный коэффициент автокорреляции 2-го порядка:
Таким образом, связь между рядами слабая и обратная.
Осуществляем расчет коэффициента автокорреляции 3-го порядка.
Таблица 3.4 – Расчетная таблица
t | | | | | |
1 | 5,6 | 9,1 | 50,96 | 31,36 | 82,81 |
2 | 4,7 | 7,0 | 32,90 | 22,09 | 49,00 |
3 | 5,2 | 5,1 | 26,52 | 27,04 | 26,01 |
4 | 9,1 | 6,0 | 54,60 | 82,81 | 36,00 |
5 | 7,0 | 10,2 | 71,40 | 49,00 | 104,04 |
6 | 5,1 | 8,2 | 41,82 | 26,01 | 67,24 |
7 | 6,0 | 5,6 | 33,60 | 36,00 | 31,36 |
8 | 10,2 | 6,4 | 65,28 | 104,04 | 40,96 |
9 | 8,2 | 10,8 | 88,56 | 67,24 | 116,64 |
10 | 5,6 | 9,1 | 50,96 | 31,36 | 82,81 |
11 | 6,4 | 6,7 | 42,88 | 40,96 | 44,89 |
12 | 10,8 | 7,5 | 81,00 | 116,64 | 56,25 |
13 | 9,1 | 11,3 | 102,83 | 82,81 | 127,69 |
14 | 6,7 | 0,0 | 0,00 | 44,89 | 0,00 |
Сумма | 99,7 | 103,0 | 743,31 | 762,25 | 865,70 |
Среднее | 7,12 | 7,36 | 53,09 | 54,45 | 61,84 |
Рассчитываем выборочные дисперсии:
Рассчитываем среднеквадратические отклонения:
Линейный коэффициент автокорреляции 3-го порядка:
Таким образом, связь между рядами слабая и прямая.
Осуществляем расчет коэффициента автокорреляции 4-го порядка.
Таблица 3.5 – Расчетная таблица
t | | | | | |
1 | 5,6 | 7,0 | 39,20 | 31,36 | 49,00 |
2 | 4,7 | 5,1 | 23,97 | 22,09 | 26,01 |
3 | 5,2 | 6,0 | 31,20 | 27,04 | 36,00 |
4 | 9,1 | 10,2 | 92,82 | 82,81 | 104,04 |
5 | 7,0 | 8,2 | 57,40 | 49,00 | 67,24 |
6 | 5,1 | 5,6 | 28,56 | 26,01 | 31,36 |
7 | 6,0 | 6,4 | 38,40 | 36,00 | 40,96 |
8 | 10,2 | 10,8 | 110,16 | 104,04 | 116,64 |
9 | 8,2 | 9,1 | 74,62 | 67,24 | 82,81 |
10 | 5,6 | 6,7 | 37,52 | 31,36 | 44,89 |
11 | 6,4 | 7,5 | 48,00 | 40,96 | 56,25 |
12 | 10,8 | 11,3 | 122,04 | 116,64 | 127,69 |
13 | 9,1 | 0,0 | 0,00 | 82,81 | 0,00 |
Сумма | 93,0 | 93,9 | 703,89 | 717,36 | 782,89 |
Среднее | 7,15 | 7,22 | 54,15 | 55,18 | 60,22 |
Рассчитываем выборочные дисперсии:
Рассчитываем среднеквадратические отклонения:
Линейный коэффициент автокорреляции 4-го порядка:
Таким образом, связь между рядами умеренная и прямая.
Таблица 3.6 – Корреляционная функция
Лаг | Коэффициент автокорреляции |
1 | -0,201 |
2 | -0,400 |
3 | 0,131 |
4 | 0,436 |
Делаем вывод о наличии сезонных колебаний. Максимальный коэффициент автокорреляции 4-го порядка (0,430) свидетельствует о наличии сезонной компоненты в исследуемом ряду динамики.
2. Строим аддитивную модель временного ряда. Общий вид аддитивной модели следующий:
Эта модель предполагает, что каждый уровень временного ряда может быть представлен как сумма трендовой (T), сезонной (S) и случайной (E) компонент.
Осуществляем выравнивание исходных уровней ряда методом скользящей средней. Для этого:
- найдем скользящие средние (гр. 3 табл. 3.7). Полученные таким образом выровненные значения уже не содержат сезонной компоненты;
- найдем оценки сезонной компоненты как разность между фактическими уровнями ряда и центрированными скользящими средними (гр. 4 табл. 3.7).
Таблица 3.7 – Оценка сезонной компоненты
t | | Скользящая средняя | Центрированная скользящая средняя | Оценка сезонной компоненты (центрированная скользящая средняя - фактическое значение за период) |
1 | 5,6 | - | - | - |
2 | 4,7 | 5,2 | - | - |
3 | 5,2 | 6,3 | 5,8 | -0,55 |
4 | 9,1 | 7,1 | 6,7 | 2,38 |
5 | 7,0 | 7,1 | 7,1 | -0,08 |
6 | 5,1 | 6,0 | 6,6 | -1,45 |
7 | 6,0 | 7,1 | 6,6 | -0,57 |
8 | 10,2 | 8,1 | 7,6 | 2,58 |
9 | 8,2 | 8,0 | 8,1 | 0,13 |
10 | 5,6 | 6,7 | 7,4 | -1,77 |
11 | 6,4 | 7,6 | 7,2 | -0,77 |
12 | 10,8 | 8,8 | 8,2 | 2,62 |
13 | 9,1 | 8,9 | 8,8 | 0,28 |
14 | 6,7 | 7,8 | 8,3 | -1,62 |
15 | 7,5 | 8,5 | 8,1 | -0,63 |
16 | 11,3 | - | - | - |
Используем полученные оценки для расчета значений сезонной компоненты S. Для этого найдем средние за каждый квартал (по всем годам) оценки сезонной компоненты Si. В моделях с сезонной компонентой обычно предполагается, что сезонные воздействия за период взаимопогашаются. В аддитивной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна нулю.
Таблица 3.8 – Расчет сезонной компоненты
Порядковый номер квартала | Порядковый номер квартала | |||
1 | 2 | 3 | 4 | |
1 | | | -0,55 | 2,38 |
2 | -0,08 | -1,45 | -0,57 | 2,58 |
3 | 0,13 | -1,77 | -0,77 | 2,62 |
4 | 0,28 | -1,62 | -0,63 | |
Всего за период | 0,333 | -4,833 | -2,517 | 7,583 |
Средняя оценка сезонной компоненты | 0,111 | -1,611 | -0,839 | 2,528 |
Скорректированная сезонная компонента | 0,064 | -1,658 | -0,886 | 2,481 |
Исключаем влияние сезонной компоненты, вычитая ее значение из каждого уровня исходного временного ряда. Получим величины T + E = Y - S (гр. 4 табл. 3.9). Эти значения рассчитываются за каждый момент времени и содержат только тенденцию и случайную компоненту.
Таблица 3.9 – Расчет тенденции и случайной компоненты
t | |
1 | 5,536 |
2 | 6,358 |
3 | 6,086 |
4 | 6,619 |
5 | 6,936 |
6 | 6,758 |
7 | 6,886 |
8 | 7,719 |
9 | 8,136 |
10 | 7,258 |
11 | 7,286 |
12 | 8,319 |
13 | 9,036 |
14 | 8,358 |
15 | 8,386 |
16 | 8,819 |
Таблица 3.10 – Результаты применения функции ЛИНЕЙН()
Угловой коэффициент | 0,200 | 5,704 | Свободный член |
Стандартная ошибка | 0,022 | 0,210 | Стандартная ошибка |
Коэффициент детерминации | 0,859 | 0,401 | Стандартная ошибка регрессии S |
F-статистика Фишера | 84,973 | 14 | Число степеней свободы v |
Регрессионная дисперсия | 13,642 | 2,248 | Остаточная дисперсия |
Линейная функция тренда имеет вид:
Таким образом, аддитивная модель временного ряда выглядит следующим образом:
3. Прогнозируем на 2 квартала вперед: