- •«Российская таможенная академия»
- •План чтения лекции №1
- •«Российская таможенная академия»
- •Понятие «эконометрика»
- •Формулировки определений понятия «эконометрика»
- •Задачи эконометрики
- •Эконометрическая модель
- •Задачи эконометрическoго моделирования
- •Классы эконометрических моделей
- •Типы данных и виды переменных в эконометрическом моделировании Типы данных
- •Виды переменных
- •Этапы эконометрического моделирования
- •Модели парной регрессии
- •Множественная регрессия. Мультиколлинеарность данных
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8 Прогнозирование по модели множественной регрессии
- •3.9 Гетероскедастичность случайных остатков
- •3.10. Обобщенный метод наименьших квадратов
- •3.11. Фиктивные переменные
- •3.12. Тест Чоу
- •Системы одновременных уравнений
- •4.1. Структурная и приведённая форма модели
- •4.2. Оценивание параметров структурной модели
- •Методы оценивания структурных уравнений различных видов
- •1. Точная идентифицируемость
- •2.Сверхидентифицируемость
- •3.Неидентифицируемость
- •Порядковое условие идентификации
- •Ненулевое ограничение
- •3. Анализ методов оценивания
- •Моделирование изолированного динамического ряда
- •Компоненты динамического ряда
- •Выявление и характеристика основной тенденции развития
- •Экспоненциальное сглаживание.
- •Моделирование основной тенденции
- •Статистическое изучение сезонных колебаний
- •Автокорреляция уровней динамического ряда и характеристика его структуры
- •3; 1; 2; 1; 2; 1; 3; 3; 2; 3; 1; 2; 1; 1; 3; 3; 2; 2; 1; 3; 3; 2; 2; 3; 1; 2; 2; 1; 3; 1.
- •Специфика изучения взаимосвязей по рядам динамики
- •Методы исключения тенденции
- •Метод последовательных разностей
- •Метод отклонений от тренда
- •Включение в модель регрессии фактора времени
- •Обобщенный метод наименьших квадратов при построении модели регрессии по временным рядам
- •Модели с лаговыми переменными
- •Модели с распределенными лагами
- •Метод Койка
- •Модели авторегрессии
- •Интерпретация параметров модели авторегрессии
- •Инструментальные переменные как метод оценивания параметров модели авторегрессии
- •Оценка автокорреляции остатков по модели авторегрессии
- •Авторегрессионные процессы и их моделирование (общая характеристика) Авторегрессионные процессы
- •Модели скользящей средней
- •Модели arma
- •Модели arima
- •Методология построения модели arima для исследуемого временного ряда включает следующую последовательность шагов.
- •Кластерный анализ
Автокорреляция уровней динамического ряда и характеристика его структуры
При наличии тенденции в ряде динамики уровни ряда характеризуются автокорреляцией, т.е. каждый последующий уровень ряда зависит от предыдущего. Например, цена на товар сегодня, как правило, зависит от цены вчерашнего дня. Корреляционная связь между последовательными значениями уровней динамического ряда называется автокорреляцией уровней динамического ряда.
Для измерения автокорреляции уровней динамического ряда используется коэффициент автокорреляции уровней
(5.12)
где — фактические уровни динамического ряда;— уровни того же динамического ряда, но сдвинутые нашагов во времени;— величина лага (сдвига во времени), принимающая значения 1, 2, 3,.... и определяющая порядок коэффициента автокорреляции.
При = 1 рассчитывается коэффициент автокорреляциипервого порядка, т.е. измеряется корреляция текущих значений уровней динамического ряда , с предшествующими уровнями .
При = 2 изучается зависимость текущих уровней рядаytс уровнями этого же ряда, сдвинутыми на 2 временных шага , т.е. рассчитывается коэффициент автокорреляциивторого порядка, а при = 3 — соответственнотретьего порядка, при - к — коэффициент автокорреляции к - го порядка.Чем длиннее динамический ряд, тем выше может быть порядок коэффициента автокорреляции уровней.
Коэффициент автокорреляции уровней ряда практически рассчитывается по формуле линейного коэффициента корреляции. Поэтому его величина изменяется в пределах от -1 до +1. Чем ближе его величина к 1, тем сильнее зависимость текущих уровней динамического ряда от предыдущих.
Если ряд характеризуется четко выраженной тенденцией, то для него коэффициент автокорреляции первого порядка приближается к +1. Так, для рассмотренного ранее ряда динамики заработной платы работника коэффициент автокорреляции уровней первого порядка составил 0,9987, демонстрируя тесную связь последующих уровней ряда от предыдущих.
Поскольку в примере рассчитывается коэффициент автокорреляции первого порядка, т.е. когда = 1, формула его расчета приобретает вид
(5.13)
где— уровни ряда в момент времениt; — те же уровни ряда, но сдвинутые на год, т.е. уровни ряда в момент времени(t -1) (предыдущий год).
Так как оба ряда (и) для расчета коэффициента автокорреляции должны быть одинаковой длины, то первое значение по ряду в расчетах не участвует.
Например, для динамического ряда импорта России (в млрд. долл. США)
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
33,9 |
41,9 |
42,2 |
52,5 |
69,1 |
93,0 |
131,0 |
190,9 |
256,5 |
необходимые суммы для подсчета отдельных элементов формулы коэффициента автокорреляции уровней составили
Соответственно коэффициент автокорреляции уровней составит
Методика расчета коэффициентов автокорреляции более высоких порядков та же, но при этом число коррелируемых пар уменьшается. В нашем примере их восемь (с t = 2 по t = 9). Если же увеличим лаг до 2 лет, т.е. = 2, то останется семь коррелируемых пар (сt = 3 по t = 9), при = 3 будет шесть коррелируемых пар (сt = 4 поt = 9). Ввиду уменьшения числа наблюдений при расчете коэффициента автокорреляции уровней, увеличение величины лага не беспредельно: принято считать, что максимальная величина лага должна быть не более чем n/4 (п—длина динамического ряда). Для нашего примера при п = 9 максимальная величина лага составит 2 года (= 2).
Коэффициент автокорреляции второго порядка составит:
Коэффициенты автокорреляции разных порядков принято обозначатьгдеуказывает на номер порядка коэффициента автокорреляции.
В рассмотренном примере уровни динамического ряда имеют тенденцию к возрастанию, и коэффициенты автокорреляции приближаются к +1. Аналогичная картина будет наблюдаться и при тенденции к уменьшению уровней динамического ряда.
Для стационарного динамического ряда с небольшими колебаниями уровней, достаточно близок к нулю и может принимать небольшое отрицательное значение. Так, предположим, что уровни ряда приняли следующие значения (последовательно во времени):