Конспект лекции: Моделирование основной тенденции (тренда) временных динамических рядов связаны с случайным социально-экономическим процессом. При этом разбить на систематическую составляющую, которая является детерминированной и связанной с ходом времени t, и случайную компоненту ε t - остаток, т. е.:
Yt=ƒ(t)+εt(22)
Первое слагаемое отражает некоторое общее направление развития общественных явлений их основную тенденцию (тренд), второе - действие случайных факторов на уровень экономического явления. Количественное описание тенденции может быть сделано с помощью различных методов.
Метод укрупнения интервалов
Сущность его заключается в том, что с помощью средних величин колебания отдельных уровней временного ряда взаимно погашаются и тренд ряда проявляется более отчетливо.
Метод скользящего среднего состоит в нахождении центрированных средних скользящего интервала. Сглаженный ряд короче первоначального на
( К- 1) уровней при ширине избранного интервала К.
Метод аналитического выравнивания состоит в аналитическом выравнивании фактические уровни временного ряда и заменяются теоретическими на основе линейной или нелинейной формы связи. В качестве факторного признака принимается время. Таким образом, тенденция временного ряда представляется некоторым уравнением регрессии.
Авторегрессионная модель временного динамического ряда
Авторегрессия первого порядка. Уровни временного динамического ряда - случайные величины, имеющие определенную закономерность распределения во времени. В ряде случаев они не являются независимыми: зачастую во временных рядах наблюдается зависимость последующих уровней явления от предшествующих им во времени. Эта зависимость называется автокорреляцией и может быть оценена коэффициентом автокорреляции ρt.
(23)
Последовательность коэффициентов автокорреляции между данным временным и этим же рядом, сдвинутым на τ сдвигов (лаги). Зависимость уровня ряда от предыдущих с увеличением сдвига τ.
Зависимость одних уровней ряда от других может быть оценена количественно с помощью уравнения авторегрессии.
Парное линейное уравнение авторегрессии (уравнение первого порядка) имеет вид:
(24)
где a 0, а1 - параметры уравнения.
Фактическое значение уровня временного ряда может быть представлено соответственно как:
(25)
где ε - остаток.
Авторегрессия высших порядков. Если данные автокорреляционной функции свидетельствуют о высокой степени тесноты связи уровней временного ряда нескольких последовательных сдвигов, то для моделирования данного уровня можно прибегнуть к построению многофакторной регрессии. Независимыми факторными признаками в ней будут выступать уровни явления нескольких предыдущих периодов.
Так, уравнение авторегрессии с тремя факторными признаками (3-го порядка) имеет вид:
(26)