- •Казанский кооперативный институт (филиал)
- •Эконометрика лекционный материал
- •080105.65 «Финансы и кредит»
- •Тема 1. Введение в эконометрику.
- •Тема 2. Линейная модель парной регрессии
- •Регрессионный анализ и его применения в экономике. Диаграмма рассеяния
- •Метод частных средних
- •Простая линейная регрессия
- •Метод наименьших квадратов
- •Построение регрессионной прямой по сгруппированным данным
- •Тема 3. Модель множественной линейной регрессии
- •Линейная множественная регрессия
- •Исходные предположения регрессионного анализа и свойства оценок
- •Тема 4. Проблемы линейных регрессионных моделей.
- •Предпосылки метода наименьших квадратов (условия Гаусса-Маркова)
- •Последствия гетероскедастичности.
- •Методы смягчения проблемы гетероскедастичности.
- •Тема 4. Нелинейные модели регрессии .
- •Обобщенный метод наименьших квадратов
- •Фиктивные переменные во множественной регрессии
- •Тема 5. Временные ряды
- •Решение:
- •4. Экспоненциальное сглаживание
- •5. Суть, причины и последствия автокорреляции.
- •6. Обнаружение автокорреляции.
- •Тема 5.Системы эконометрических уравнений
- •2. Структурная и приведенная формы модели.
- •3. Проблема идентификации.
- •4. Оценивание параметров структурной модели: косвенный мнк, двухшаговый мнк.
- •Косвенный мнк (кмнк)
- •Использованная литература
- •Эконометрика лекционный материал
- •420045 Республика Татарстан, г. Казань,
Решение:
Построим график временного ряда и коррелограмму (ExcelДиаграмма):
Лаг |
r(t) |
Корррелограмма |
1 |
-0,23466 |
** |
2 |
-0,23236 |
* |
3 |
-0,26547 |
*** |
4 |
0,992604 |
**** |
График данного временного ряда свидетельствует о наличии сезонных колебаний (период равен 4). Поскольку амплитуда колебаний увеличивается, можно предположить наличие мультипликативной модели.
Определим скользящую среднюю за 4 квартала:
Квартал
Объем продаж
Скользящая средняя за 4 квартала1
Центрированная скользящая средняя2
Оценка сезонной вариации3
1
63
-
-
-
2
74
-
-
-
3
79
84
84,5
0,935
4
120
85
85,625
1,401
5
67
86,25
87,375
0,767
6
79
88,5
89,75
0,880
7
88
91
91,25
0,964
8
130
91,5
91,875
1,415
9
69
92,25
92,5
0,746
10
82
92,75
-
-
11
90
-
-
-
Определим скорректированную сезонную вариацию:
|
|
Номер квартала в году |
| |||
|
|
1 |
2 |
3 |
4 |
|
|
|
|
|
0,935 |
1,401 |
|
|
|
0,767 |
0,88 |
0,964 |
1,415 |
|
|
|
0,746 |
|
|
|
Сумма |
Среднее |
0,756 |
0,88 |
0,95 |
1,408 |
3,994 | |
Скорректированная сезонная вариация |
0,757 |
0,881 |
0,951 |
1,41 |
4,000 |
Так как сумма средних получилась 3,994, а число сезонов равно 4, то необходимо итоговые коэффициенты сезонности умножить на множитель .
Как показывают полученные оценки, в 1-м, 2-м и 3-м кварталах года объем продаж снижается соответственно на 24,3%, 11,9% и 4,8% от соответствующих трендовых значений. В 4 квартале года объем продаж увеличивается на 41% от соответствующего трендового значения.
Исключим сезонную вариацию из фактических данных. Приведем десезонализацию данных.
Квартал |
Объем продаж A |
Коэффициент сезонности S |
Десезонализированный объем продаж A/S=T*E |
1 |
63 |
0,757 |
83,2 |
2 |
74 |
0,881 |
84,0 |
3 |
79 |
0,952 |
83,0 |
4 |
120 |
1,41 |
85,1 |
5 |
67 |
0,757 |
88,5 |
6 |
79 |
0,881 |
89,7 |
7 |
88 |
0,952 |
92,4 |
8 |
130 |
1,41 |
92,2 |
9 |
69 |
0,757 |
91,1 |
10 |
82 |
0,881 |
93,1 |
11 |
90 |
0,952 |
94,5 |
Уравнение линии тренда: . Найдем параметрыи. Воспользуемся «Пакетом анализа», выведем остатки:
ВЫВОД ИТОГОВ |
|
|
|
| |
|
|
|
|
|
|
Регрессионная статистика |
|
|
|
| |
Множественный R |
0,952460954 |
|
|
|
|
R-квадрат |
0,907181868 |
|
|
|
|
Нормированный R-квадрат |
0,896868743 |
|
|
|
|
Стандартная ошибка |
1,377574448 |
|
|
|
|
Наблюдения |
11 |
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
| |
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
166,9299281 |
166,929928 |
87,96381 |
6,08576E-06 |
Остаток |
9 |
17,07940223 |
1,89771136 |
|
|
Итого |
10 |
184,0093303 |
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Y-пересечение |
81,41641396 |
0,89083578 |
91,3932914 |
1,14E-14 |
79,40120188 |
Квартал |
1,231886683 |
0,13134657 |
9,37890258 |
6,09E-06 |
0,934759873 |
|
|
|
|
|
|
ВЫВОД ОСТАТКА |
|
|
|
| |
|
|
|
|
|
|
Наблюдение |
Предсказанное Десезонализированный объем продаж A/S=T*E |
Остатки |
|
|
|
1 |
82,64830064 |
0,57494903 |
|
|
|
2 |
83,88018732 |
0,115272382 |
|
|
|
3 |
85,11207401 |
-2,12888073 |
|
|
|
4 |
86,34396069 |
-1,23757771 |
|
|
|
5 |
87,57584737 |
0,931418149 |
|
|
|
6 |
88,80773406 |
0,863094547 |
|
|
|
7 |
90,03962074 |
2,39735405 |
|
|
|
8 |
91,27150742 |
0,927074137 |
|
|
|
9 |
92,50339411 |
-1,35412066 |
|
|
|
10 |
93,73528079 |
-0,65923085 |
|
|
|
11 |
94,96716747 |
-0,42935235 |
|
|
|
Уравнение тренда:
Вычислим ошибки
Среднее абсолютное отклонение (MAD):.
Среднеквадратическую ошибку (MSE):.
-
Наблюдение
Предсказанное Десезонализированный объем продаж A/S=T*E
Остатки еt
1
82,64830064
0,57494903
0,57494903
0,330566
2
83,88018732
0,115272382
0,11527238
0,013288
3
85,11207401
-2,12888073
2,12888073
4,532133
4
86,34396069
-1,23757771
1,23757771
1,531599
5
87,57584737
0,931418149
0,93141815
0,86754
6
88,80773406
0,863094547
0,86309455
0,744932
7
90,03962074
2,39735405
2,39735405
5,747306
8
91,27150742
0,927074137
0,92707414
0,859466
9
92,50339411
-1,35412066
1,35412066
1,833643
10
93,73528079
-0,65923085
0,65923085
0,434585
11
94,96716747
-0,42935235
0,42935235
0,184343
Сумма
0,00
11,62
17,08
,
Мы видим, что ошибки малы и составляют порядка 1%. Это позволяет получить хорошие краткосрочные прогнозы.