рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Составляющие временного ряда

Составляющие временного ряда - раздел Экономика, ЭКОНОМЕТРИКА   Временной Ряд X(T) – Это Множество Значений Величины ...

 

Временной ряд x(t) – это множество значений величины x, отвечающих последовательности моментов времени t, т.е. это функция t®x(t), которая обычно считается случайной. Обсуждению свойств временного ряда как случайной функции, или случайного процесса мы посвятим §9. Пока же будем рассматривать одну из реализаций случайного процесса x(t) как функцию, заданную на некотором промежутке времени, например, на промежутке [0,Т] или же в отдельных дискретных точках t=tk (k=0, 1, 2,…). Во многих случаях можно принять шаг по времени Dt=t постоянным, при этом значение величины x(t), отвечающее моменту времени tk=kt будем обозначать символом xk или xt (t=0,1,…,N ).

Значения временного ряда формируются под воздействием большого числа факторов, которые условно можно разделить на три группы:

ü факторы, формирующие тенденцию ряда – тренд;

ü факторы, формирующие циклические колебания ряда;

ü случайные факторы.

В большинстве случаев временной ряд можно представить как сумму или произведение трендовой, циклической и случайной компонент. Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда (Y = T+S+E). Модель, в которой временной ряд представлен как произведение перечисленных компонент, называется мультипликативной моделью временного ряда (Y = T*S*E). Основная задача эконометрического исследования – выявление и придание количественного выражения каждой из перечисленных выше компонент с тем, чтобы использовать полученную информацию для прогнозирования будущих значений временного ряда или при построении модели взаимосвязи двух или более временных рядов.

При наличии во временном ряде тренда и циклических колебаний последующие значения временного ряда зависят от предыдущих. Корреляционную зависимость между последовательными значениями временного ряда называют автокорреляционной. Определение корреляционной функции временного ряда будет сформулировано в §9.

 

– Конец работы –

Эта тема принадлежит разделу:

ЭКОНОМЕТРИКА

На сайте allrefs.net читайте: экономических специальностей...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Составляющие временного ряда

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Состав исходной информации
Основной базой исходной информации для эконометрических исследований служат данные статистики либо данные бухгалтерского учета. Исследуемые эконометрикой взаимосвязи стохастичны по своей природе, т

Интерполяционный полином Лагранжа.
  Пусть имеется зависимость y = f(x) между величинами x и y, для которой нам известны отдельные точки (xi,yi), i = 0,1,2,…,

Случай 1.
Через одну точку (x0, y0) можно провести пучок прямых y = y0+b(x-x0) (2.1) (а также вертикальную пря

Случай 2.
Через две различные точки (x0,y0), (x1,y1) проходит одна и только одна прямая. Если x0 ¹

Случай 3.
Многочлен второй степени (квадратичная функция), график которой проходит через три точки (x0,y0), (x1,y1), (x2

Случай n.
Теперь ясно, что интерполяционный полином Лагранжа n-ой степени, график которого проходит через n+1 точку (xi,yi), i=0,1,2,…,n, можно записать в ви

Парная линейная регрессия. Метод наименьших квадратов
  Пусть имеется n пар чисел (xi, yi), i=1,2,…,n, относительно которых предполагается, что они отвечают линейной зависимости между величинами x и y:

Множественная линейная регрессия.
  Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь. Но, существует обычно нескол

Нелинейные модели.
  Мы изучили применение метода наименьших квадратов для определения параметров, которые входят в функциональные зависимости линейно. Поэтому для них в параграфах 3 и 4 получились сист

Системы одновременных эконометрических уравнений.
  Объектом статистического изучения в социально-экономических науках являются сложные системы. Измерение тесноты связей между переменными, построение изолированных уравнений регрессии

Определение составляющих временного ряда
  Одним из наиболее распространенных способов моделирования тенденции временного ряда является построение аналитической функции, характеризующей зависимость последовательных значений

При этом коэффициенты ak, bk будут равны
Если функция x (t) четная, т.е. выполняется равенство x (-t) = x (t ), то в

Временной ряд как случайный процесс
  Пусть значение экономического показателя x( t ) в любой момент времени t представляет собой случайную величину X (t ). Предположим, что слу

Модели ARIMA
  В эконометрике анализ временных рядов с использованием оценки спектральной плотности (спектральный анализ) играет, как правило, вспомогательную роль, помогая установить периоды хара

Учет сезонных составляющих
  Обобщение модели ARIMA, позволяющие учесть периодические (сезонные) составляющие временного ряда было предложено Дж. Боксом и Г. Дженкинсом [2]. Этот метод реализован в систе

Анализ погрешностей исходной информации
  Значения экономических показателей обычно известны неточно, с некоторой погрешностью. Рассмотрим основные правила обработки данных, содержащих погрешности, или ошибки измерений. Пус

Доверительные интервалы
  Введем случайную величину . (13.1) Нетрудно проверить, что xÎN(0,1), вследствие ч

Расчет погрешностей.
  Эмпирические данные часто подвергаются математической обработке – над ними выполняются арифметические операции сложения, вычитания, умножения и деления, в некоторых случаях

Коэффициент детерминации.
  Коэффициент детерминации характеризует качество регрессионной модели. Значения различных величин, получ

Средняя ошибка аппроксимации.
  Фактические значения интересующей нас величины отличаются от рассчитанных по уравнению регрессии. Чем меньше это отличие, чем ближе рассчитанные значения подходят к эмпирическим дан

Принцип максимального правдоподобия. Построение регрессионных моделей при гетероскедастичности ошибок
Для нахождения неизвестных величин по результатам измерений, содержащих случайные погрешности, служит метод наименьших квадратов (МНК). Определяемые величины обычно связаны уравнениями, образующими

Статистические гипотезы
  В предыдущих параграфах рассматривалась методика моделирования взаимосвязей экономических показателей и процессов. С помощью полученных уравнений регрессии моделировалась эта связь.

F – статистика
  Значимость регрессионной модели определяется с помощью F-критерия Фишера. Для этого вычисляется отношение

T – статистика
  Для оценки значимости отдельных параметров регрессионной модели y=a+bx+e их величина сравнивается с их стандартной ошибкой. При этом рассчитывается так называемый

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги