Главная страница

Эконометрика. Задача. Временные ряды


Скачать 0.67 Mb.
НазваниеЗадача. Временные ряды
АнкорЭконометрика
Дата16.02.2023
Размер0.67 Mb.
Формат файлаdoc
Имя файла23c80a8bfe99982bb3b62e0a810c7a6a.doc
ТипЗадача
#940138

Задача.
Временные ряды


Имеются условные данные об объемах потребления электроэнергии ( ) жителями региона за 16 кварталов.

Требуется:

1. Построить автокорреляционную функцию и сделать вывод о наличии сезонных колебаний.

2. Построить аддитивную модель временного ряда (для нечетных вариантов) или мультипликативную модель временного ряда (для четных вариантов).

3. Сделать прогноз на 2 квартала вперед.

Таблица 3.1 – Исходные данные









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:





написать администратору сайта