рефераты конспекты курсовые дипломные лекции шпоры

Раздел Экономика
/
Предварительный анализ данных.

Реферат Курсовая Конспект

Выберите учебное заведение

Предварительный анализ данных.

Предварительный анализ данных. - раздел Экономика, ЭКОНОМЕТРИКА В Ходе Предварительного Анализа Определяют Соответствие Имеющихся Данных Тре...

В ходе предварительного анализа определяют соответствие имеющихся данных требованиям, предъявляемым к ним математическими методами (объективности, сопоставимости, полноты, однородности и устойчивости); строится график динамики и рассчитываются основные динамические характеристики (приросты, темпы роста, темпы прироста, коэффициенты автокорреляции).

Для получения общего представления о динамике исследуемого показателя целесообразно построить его график.

При графическом отображении динамики показателя во времени по оси абсцисс откладываются значения переменной t, а по оси ординат - соответствующие значения показателя Y(t).

К процедурам предварительного анализа относятся:

· выявление аномальных наблюдений;

· проверка наличия тренда;

· сглаживание временных рядов;

· расчет показателей развития динамики экономических процессов.

Так как наличие аномальных наблюдений приводит к искажению результатов моделирования, то необходимо убедиться в отсутствии аномалий данных. Поэтому процедура выявления аномальных наблюдений является обязательной процедурой этапа предварительного анализа данных.

Для диагностики аномальных наблюдений разработаны различные критерии, например, метод Ирвина

Для всех или только для подозреваемых в аномальности наблюдений вычисляется величина :

, (1.3)

где

Если рассчитанная величина превышает табличный уровень (например, для 10 наблюдений значение критерия Ирвина равно 1,5), то уровень считается аномальным.

Аномальные наблюдения необходимо исключить из временного ряда и заменить их расчетными значениями (самый простой способ замены – в качестве нового значения принять среднее из двух соседних значений).

Табл.1.1. Критические значения параметра .

Количество наблюдений n
P=0,95	P=0,99
	2,8	3,7
	2,2	2,9
	1,5	2,0
	1,3	1,8
	1,2	1,7
	1,1	1,6
	1,0	1,5
	0,9	1.3
	0,8	1.2

Пример 1.1. Выявление аномальных наблюдений.

На основании данных об изменении индекса потребительских цен, приведенных в табл1.2 проверить наличие аномальных наблюдений.

Развернуть

Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

ЭКОНОМЕТРИКА

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ... МУРМАНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ... Кафедра ИС и ПМ...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Предварительный анализ данных.

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:

Временной ряд – это набор чисел, привязанный к последовательным, обычно равноотстоящим моментам времени.
Числа, составляющие временной ряд и получающиеся в результате наблюдения за ходом некоторого процесса, называются уровнями временного ряда или элементами.

Требования к исходной информации
Применяемые при обработке временных рядов методы во многом опираются на методы математической статистики, которые базируются на достаточно жестких требованиях к исходным данным (таким как од

Этапы построения прогноза по временным рядам.
экстраполяционное[1] прогнозирование экономических процессов, представленных одномерными временными рядами, сводится к выполнению следующих основны

Решение
Результаты расчетов по методу Ирвина приведены в табл1.3.

Критерий «восходящих» и «нисходящих» серий.
Этот критерий «улавливает» постепенное смещение среднего значения в исследуемом распределении не только монотонного, но и более общего, например, периодического характера. Так же

Метод простой скользящей средней.
1. Согласно этому методу определяется количество наблюдений, входящих в интервал сглаживания. При этом используют правило: если необходи

Процедура продолжается до тех пор, пока в интервал сглаживания не войдет последнее наблюдение временного ряда.
Недостатком метода является невключение в процедуру сглаживания первых и последних p наблюдений временного ряда. Метод простой скользящей средней

Этот метод отличается от предыдущего тем, что сглаживание внутри интервала производится не по прямой, а по кривой более высокого порядка.
Это обусловлено тем, что суммирование членов ряда, входящих в интервал сглаживания, производится с определенными весами, рассчитанными по методу наименьших квадратов. Если сгл

Метод экспоненциального сглаживания.
Рассмотренные методы простой и взвешенной скользящей средней не дают возможности сгладить первые и последние p наблюдений временного ряда. Отсутствие сглаженных первых наблюдений не так ва

Показатель среднего абсолютного прироста используется для построения простейших так называемых наивных прогнозов.
Прогноз на k- шагов вперед на момент времени t=n+1получается по формуле:

Порядок коэффициентов автокорреляции определяет временной лаг: первого порядка (при t= 1), второго порядка (при t= 2) и т. д.
Последовательность коэффициентов автокорреляции уровней первого, второго, третьего и т.д. порядков называют автокорреляционной функцией. Знач

На практике, как правило, при вычислении автокорреляции используется формула (1.13).
Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором автокорреляция наиболее высокая, т.е. при помощи анализа автокорреляционной функции и кор

Аналитические методы выделения (оценки) неслучайной составляющей временного ряда.
Формирование уровней ряда определяется закономерностями трех основных типов: инерцией тенденции, инерцией взаимосвязи между последовательными уровнями ряда и инерцией взаимосвязи между исследу

Модели кривых роста
Плавную кривую (гладкую функцию), аппроксимирующую временной ряд принято называть кривой роста. Аналитические методы выделения (оценки) неслу

Проверка равенства математического ожидания уровней ряда остатков нулю осуществляется в ходе проверки соответствующей нулевой гипотезы .
С этой целью строится t-статистика: , (1.22)

Критерий «пиков», или критерий поворотных точек.
Значение случайной переменной считается поворотной точкой, если оно одновременно больше (меньше) соседних с ним элементов. Если остатки случайны, то поворотная точка прихо

Наличие (отсутствие) автокорреляции в отклонениях от модели роста проверяют с помощью критерия Дарбина – Уотсона.
Соответствие ряда остатков нормальному закону распределения важно с точки зрения правомерности построения доверительных интервалов прогноза.

То гипотеза о нормальном характере распределения отвергается
В случае попадания коэффициентов асимметрии и эксцесса в зону неопределенности (между полутора и двумя СКО) используются другие критерии, частности RS- критерий:

Средняя относительная по модулю ошибка
|Еср|отн= |Еср| / Yср * 100% (1.25) Эти показатели дают представление об абсолютной величине ошибки

Прогнозы.
Точечный прогноз на основе временных моделей получается подстановкой в модель (уравнение тренда) соответствующего значения фактора времени, т.е. t=n+1

Оценка параметров модели по формуле (3.5) «вручную».
Промежуточные расчеты параметров линейной модели по формулам (1.5) приведены в табл. 1.15. Табл. 1.15 №