- •7. Временные ряды
- •7.1. Структура и особенности временных рядов
- •7.2. Предварительный анализ исходных вр
- •7.2.1. Выявление и устранение аномальных наблюдений
- •7.2.2. Методы выявления тренда во вр
- •7.2.3. Методы сглаживания вр
- •7.2.4. Оценка автокорреляции во вр
- •Данные для расчета автокорреляции
- •7.3. Формирование набора моделей прогнозирования
- •7.3.1. Методология экономического прогнозирования
- •7.3.2. Кривые роста и их выбор
- •1. Полиноминальные кривые роста
- •Экспоненциальные кривые роста
- •Выбор вида кривой роста
- •7.4. Численное оценивание параметров моделей
- •Исходные данные задачи
- •Расчетная таблица задачи
- •7.5. Проверка качества моделей
- •7.5.1. Адекватность модели
- •Интервальные оценки критерия Дарбина-Уотсона
- •7.5.2. Точность модели
- •7.6. Построение точечного и интервального прогнозов
- •7.7. Пример расчета вр и прогноза по этому ряду
- •Исходные данные вр
- •Расчетные данные для вр
- •7.8 Адаптивное прогнозирование
- •Расчет скорректированных значений a0(t) и a1(t)
- •Прогнозные оценки по модели Брауна
7.5. Проверка качества моделей
7.5.1. Адекватность модели
Для проверки адекватности модели исследуют ряд остатков
,
т.е. отклонений расчетных значений от фактических . Если трендовая модель выбрана правильно, то для остатков характерно: равенство нулю математического ожидания; случайный характер отклонений от математического ожидания; отсутствие автокорреляции и неизменность дисперсии остатков во времени; нормальный закон распределения. Рассмотрим перечисленные требования подробнее.
1. Проверка равенства математического ожидания уровней ряда остатков нулю осуществляется на основе t-критерия Стьюдента. Вычисляется расчетное tp значение этого критерия:
(7.1)
где – среднее арифметическое значение уровней ряда остатков;
– среднеквадратическое отклонение для последовательности εt.
(7.2)
Расчетное значение критерия tp сравнивается с табличным tα,ν. На уровне значимости α гипотеза отклоняется, если tp>tα,ν, где tα,ν – критерий распределения Стьюдента с доверительной вероятностью (1 – α) и ν = n - 1 степенями свободы.
2. Для проверки условия случайности возникновений отдельных отклонений от тренда часто используется критерий пиков, основанный на поворотных точках. Значение случайной переменной считается поворотной точкой, если оно одновременно больше соседних с ним элементов или, наоборот, меньше значений предыдущего и последующего за ним элементов.
В случайной выборке среднее арифметическое числа поворотных точек равна = 2 / 3 (n – 2),
а их дисперсия вычисляется по формуле:
.
Учитывая эти соотношения, критерий случайности отклонений от тренда при уровне вероятности 0,95 можно представить, как
(7.3)
где р – фактическое количество поворотных точек в случайном ряду, а квадратные скобки означают, что от результата вычисления следует взять только целую часть, отбросив дробную, какой бы она не была.
Если неравенство не соблюдается, то ряд остатков нельзя считать случайным (т.е. он содержит регулярную компоненту), и стало быть, модель не является адекватной.
3. Наличие (отсутствие) автокорреляции в отклонениях от модели роста проще всего проверить с помощью критерия Дарбина-Уотсона. С этой целью строится (d критерий) Дарбина-Уотсона, в основе которого лежит расчетная формула
(7.4)
Теоретическое основание применения этого критерия обусловлено тем, что в динамических рядах как сами наблюдения, так и отклонения от них распределяются в хронологическом порядке.
При отсутствии автокорреляции значение d примерно равно 2, а при полной автокорреляции — 0 или 4. Следовательно, оценки, получаемые по критерию, являются не точечными, а интервальными. Верхние (d2) и нижние (d1) критические значения, позволяющие принять или отвергнуть гипотезу об отсутствии автокорреляции, зависят от количества уровней временного ряда и числа независимых переменных модели. Значения этих границ для уровня значимости α = 0,05 даны в таблице 7.7, где k – число независимых переменных.
Таблица 7.7