- •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
Расчет вспомогательных характеристик
t |
Yt |
ut |
тt |
dt |
st |
γt |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
1 |
6,7 |
— |
— |
— |
— |
|
2 |
7,3 |
1 |
0 |
1 |
1 |
+ |
3 |
7,6 |
1 |
0 |
1 |
1 |
+ |
4 |
7,9 |
1 |
0 |
1 |
1 |
+ |
5 |
6,6 |
0 |
1 |
-1 |
1 |
- |
б |
8,6 |
1 |
0 |
1 |
1 |
+ |
7 |
7,8 |
0 |
0 |
0 |
0 |
- |
8 |
7,7 |
0 |
0 |
0 |
0 |
- |
9 |
7,9 |
0 |
0 |
0 |
0 |
+ |
10 |
8,2 |
0 |
0 |
0 |
0 |
+ |
11 |
8,4 |
0 |
0 |
0 |
0 |
+ |
12 |
9,1 |
г |
0 |
1 |
1 |
+ |
13 |
8,3 |
0 |
0 |
0 |
0 |
- |
14 |
8,7 |
0 |
0 |
0 |
0 |
+ |
15 |
8,9 |
0 |
0 |
0 |
0 |
+ |
16 |
9,1 |
0 |
0 |
0 |
0 |
+ |
17 |
9,5 |
1 |
0 |
1 |
1 |
+ |
18 |
10,4 |
1 |
0 |
1 |
1 |
+ |
19 |
10,5 |
1 |
0 |
1 |
1 |
+ |
20 |
10,2 |
0 |
0 |
0 |
0 |
- |
Каждый уровень ряда Yt сравнивается со всеми предыдущими, и определяются значения вспомогательных характеристик utг и mt (графы 3, 4);
Находим dt = ut – mt, st = ut + mt для всех t, начиная со второго значения (графы 5, 6);
3.
4. Значения µ, σS, σD для n = 20 берем из табл. 2.1:
µ= 5,195, σS = 1,677, σD = 2,279, тогда tS = (9 - 5,195) : 1,677 = 2,269 и tD = 7 : 2,279 = 3,07.
Значение ta для а = 0,05 берем из таблицы t-распределения Стьюдента: tа = 2,093. Так как tD> tа и tS> tа ,то с вероятностью 0,95 можно утверждать, что гипотеза об отсутствии тренда в среднем и в дисперсии отвергается, т. е. в исследуемом временном ряду существует тенденция развития.
П р и м е р 2.2. По данным предыдущего примера рассмотрим применение критерия „восходящих” и „нисходящих” серий.
1. В графе γt ставим „+”, если последующее значение больше предыдущего, и „-“ — если меньше (графа 7).
2. Определяем число серий:
ν(20) = 8.
3. Протяженность самой длинной серии
kmах (20) = 6.
4. Табличное значение
k0(20)=5
5. В соответствии с (2.1) делаем проверку:
Отсюда видим, что второе неравенство не выполняется, следовательно, гипотеза об отсутствии тенденции отвергается, что подтверждает правильность вывода, сделанного в предыдущем примере.
2.2. Методы выделения общей тенденции временного ряда
После того как установлено (графически или с применением вышеописанных критериев), что временной ряд содержит тенденцию развития, необходимо определить поведение долговременной составляющей. Для этого применяются следующие методы, которые условно делятся на две группы:
1) методы механического выравнивания (сглаживания), основанные на том, что фактические уровни ряда заменяются расчетными, обладающими меньшей колеблемостью, чем исходные данные. В ряде случаев сглаживание ряда рассматривается как средство, помогающее определить, как выглядит тенденция развития;
2) методы аналитического выравнивания, основанные на том, что приблизительно известен вид тренда в аддитивном разложении (1.6). Рассматривая график временного ряда из примера (см. с. 10), можно предположить, что тенденция розничного товарооборота в регионе описывается линейной функцией времени t, т. е. Ft = a0 + а1t, где a0, а1 — неизвестные параметры, которые нужно определить (оценить).