- •1. Введение в анализ временных рядов
- •1.1. Временные ряды и требования, предъявляемые к ним
- •1.2. Основные показатели динамики экономических явлений
- •1.3. Компонентный состав временного ряда
- •1.4. Некоторые элементы теории случайных процессов
- •2. Определение общей тенденции временного ряда
- •2.1. Виды тенденций и проверка гипотезы о существовании тенденции
- •Расчет вспомогательных характеристик
- •2.2. Методы выделения общей тенденции временного ряда
- •2.2.1. Механическое сглаживание
- •2.2.2. Аналитическое выравнивание временных рядов
- •2.2.3. Гармонический анализ
- •3.1. Проверка гипотезы о правильности выбора вида тренда
- •3.2. Проверка гипотезы о независимости случайного компонента
- •3.3. Проверка гипотезы о нормальности случайного компонента
- •4. Описание стационарных временных рядов с помощью авторегрессионной модели
- •4.1. Оценка параметров авторегрессионной модели
- •4.2. Определение порядка авторегрессии
- •5. Прогнозирование экономических показателей
- •5.1. Простейшие приемы экстраполяции
- •5.2. Прогнозирование экономических показателей с помощью кривых роста
- •5.3. Прогнозирование экономических показателей с помощью авторегрессионных моделей
- •6. Статистический анализ сезонной компоненты
- •6.1. Методы выявления периодической компоненты
- •6.3. Прогнозирование явлений с помощью индексов сезонности
- •8. Корреляция и регрессия рядов динамики
- •8.1.Простая корреляция и регрессия рядов динамики
- •8.2. Множественная корреляция и регрессия рядов динамики
- •Тест для самопроверки
3.1. Проверка гипотезы о правильности выбора вида тренда
При правильном выборе тренда отклонения от него будут носить случайный характер. Это означает, что изменение случайной величины. Et не связано с изменением времени. Для исследования отклонений вычисляются разности для всех моментов времени на изучаемом интервале. По выборке еt проверяется гипотеза о случайности значений величины Еt.
Наиболее простым способом проверки этой гипотезы являются определение коэффициента корреляции между отклонениями от тренда et и фактором времени t и проверка его значимости. Однако эта связь может быть нелинейной. В таком случае характер отклонений от тренда целесообразно изучать с помощью непараметрических критериев: критерия „восходящих" и „нисходящих" серий или критерия, основанного на медиане выборки (см. п. 2.1).
3.2. Проверка гипотезы о независимости случайного компонента
Если вид функции, описывающей систематическую составляющую, выбран неудачно, то последовательные значения ряда остатков не будут обладать свойствами независимости, так как они будут коррелировать между собой. В этом случае говорят, что имеет место автокорреляция остатков.
В условиях автокорреляции оценки параметров модели, полученные по методу наименьших квадратов, будут обладать свойствами несмещенности и состоятельности (с этими свойствами знакомятся в курсе математической статистики). В то же время эффективность этих оценок будет снижаться, а следовательно, доверительные интервалы прогноза не будут иметь смысла в силу своей ненадежности.
Наиболее распространенным приемом обнаружения автокорреляции является метод, предложенный Дарбиным и Уотсоном. Критерий Дарбина — Уотсона связан с гипотезой о существовании автокорреляции первого порядка, т. е. автокорреляции между соседними остаточными членами. Значение этого критерия определяется по формуле
. (3.1)
Авторами критерия найдены критические границы, позволяющие принять или опровергнуть гипотезу об отсутствии автокорреляции. Значения критерия Дарбина — Уотсона при 5% уровне значимости приведены в табл. 2 (прил. 1), где d1 и d2 — соответственно нижняя и верхняя границы критерия d, а k — число переменных в модели (уравнения тренда содержат одну переменную — время t, т. е. k = 1). Применение на практике критерия Дарбина — Уотсона основано на вычислении величины d, рассчитанной по формуле (3.1), и сравнении ее с теоретическими значениями d1 и d2, взятыми из табл. 1 (прил. 1).
При сравнении величины d с величинами d1 и d2 возможны следующие варианты:
1) если d < d1, то гипотеза о независимости случайных отклонений отвергается (т. е. в ряду остатков есть автокорреляция);
2) если d > d2, то гипотеза о независимости случайных отклонений не отвергается;
3) если d1 < d < d2, то нет достаточных оснований для принятия решений о независимости случайных отклонений по данному критерию.
Рассмотренные варианты относятся к случаю, когда в остатках предполагается наличие положительной автокорреляции, т. е. когда d < 2. Когда же расчетное значение d превышает 2, то предполагают наличие в ряду остатков отрицательной автокорреляции. Для проверки отрицательной автокорреляции с критическими значениями d1 и d2 сравнивается не сам коэффициент d, а 4 – d.