Одним из наиболее распространенных способов моделирования тенденций времен.ряда явл.построение аналит.ф-ии, характериз. Зависимость уровней ряда от времени. Этот способ назыв. Аналитическим выравниванием временного ряда.
Т.к. зависимость от времени может принимать разные формы, то для построения тренда можно применить след.ф-ии:
Y=a+bt – линейный тренд
Y=abt – показательный тренд
Y=atb – степенной тренд
Y=a+b/t –гиперболический тренд
Параметры каждого из уравнений м. б. определены с помощью метода наименьших квадратов, где в качестве независимой переменной рассматрив. Переменная t.
Для нелинейн.трендов, также как и для регрессионных моделей проводят процедуру линеаризации функции.
В качестве уравнения тренда м. б. взята другая функция, но функция должна линеаризироваться.
Существ. несколько способов определения типа тенденции среди распространенных:
1. Визуальный анализ графика
2. Расчет основных показателей динамики
3. Использование коэффициентов автокорреляции.
|
|
Моделирование сезонных и циклических колебаний
Наличие сезонной (циклич) компоненты м.б. определено визуально или с помощью коэффициентов автокорреляции.
Различают аддитивную и мультипликативную модели временного ряда.
Аддитивная модель – когда компоненты временного ряда связаны знаком «+», т.е. Yt=Ut+Vt+Et
Мультипликативная модель – связыв.компоненты временного ряда знаком «*», т.е. Yt=Ut*Vt*Et
Аддитивная модель строится в тех случаях, когда амплитуда сезон.колебаний приблизительно одинаковая.
Мультипликативная модель строится, когда амплитуда сезонных колебаний с течением времени увеличивается или уменьшается.
Простейшим подходом расчета сезонной компоненты явл.применение метода скользящей средней.
Алгоритм построения аддит. и мультип. модели:
1. Выравнивание исходного ряда методом скользящей средней
2. Выявление и расчет сезонной компоненты
3. Устранение сезонной компоненты из исходных уравнений ряда и получение выравненных значений. (Ut+Et) для аддитивной модели, (Ut*Et) для мультиплик.модели
4. Аналитическое выравнивание уравнений (Ut+Et) или (Ut*Et) и расчет значений трендовой компоненты Ut по полученному уравнению тренда.
5. Расчет полученных по модели значений (Ut+Et) или (Ut*Et)
6. Расчет случ.компоненты Et
Et= Yt-(Ut+Et) или Et = Yt/ (Ut*Et)
И ее анализ с помощью абсолютной или относительной ошибок.
Для аддитивной модели должно выполн.след. условие – суммы значений сезонной компоненты = 0.
Для мультип.модели – суммы значений сезонной компоненты = числу периодов.
После того, как модель временного ряда построена и показана, что она м.б.использована для прогнозирования, можно применять данную модель для нахождения прогнозных значений. Прогнозное значение получается подстановкой в модель нового (прогнозного) значения переменной t.
|
|
Общие понятия о системах эконометрических уравнений.
Например: изучая модель спроса, зависящего от цен и от количества потребенного товара, одновременно надо рассматривать ф-ию предложения, также зависящую от цен и количества товара. Рассмотрев эти функции одновременно, мы можем определить равновесную цену, при которой спрос = предложению.
Потребность в использовании систем уравнений возрастает с переходом от исследований на микроуровне к макроэкономическим расчетам. (нац.экономика описыв.системой уравнений)
В эконометрике рассматрив. 3 типа систем:
1. Системы независимых уравнений, когда каждая зависимая переменная y рассматрив., как функция одного и того же набора факторов X/
Y1=a11x1+a12x2+…+a1mxm+E1
Y2=a21x1+a22x2+…+a2mxm+E2
………………………………………………….
Yn=an1x1+an2x2+…anmxm+En
Каждое уравнение системы представляет собой уравнение линейной множественной регрессии, а значит коэф-ты данного уравнения м.б. оценены с помощью МНК.
2. Системы рекурсивных уравнений – такая система в каждое последующее уравнение включает y с предыдущих уравнений в качестве факторных переменных.
Y1=a11x1+a12x2+…+a1mxm+E1
Y2= b21y1+a21x1+a22x2+…+a2mxm+E2
Y3=b31y1+b32y2+a31x1+a32x2+…+a3mxm+E3
…………………………………
Yn=bn1y1+bn2y2+…+bn,n-1yn-1+an1x1+…+anmxm+En
Коэффициенты данной системы м.б. оценены по МНК.
3. Системы совместных одновременных уравнений, в этих уравнениях одни и те же эндогенные переменные могут входить как в левую, так и в правую части, т.е. выступать в качестве результативного признака и в качестве фактора.
Y1=b12y2+b13y3+…+b1nyn+a11x1+a12x2+…+a1mxm+E1
…………..
Yn=bn1y1+bn2y2+…+bn,n-1yn-1+an1x1+…+anmxm+En
Коэффициенты данной системы не м.б. оценены с помощью МНК, нужно применять специал.прием оценивания.
Структурная и приведенная формы модели.
Системы совместных одновремен.уравнений содержат эндогенные и экзогенные переменные.
Эндогенные переменные (у) – зависимые переменные, число которых = числу уравнений.
Экзогенные переменные (Х) – предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них.
В неэкономические переменные (климат.условия) входят в систему как экзогенные переменные. В системе также могут встречаться переменные за предшествующий период времени, такие переменные называют лаговые.
Системы совместных одновременных уравнений также называется структурной формой модели.
Простейшая СФМ:
У1=в12у2+а11х1+Е1
У2=в21у1+а22х2+Е2
Отсутствие свободных членов в уравнении говорит о том, что все переменные в модели даны в отклонениях от среднего уравнения, т.е. под Х подразумев. (Х-Хср), под у ((e-ech)/
Коэффициенты а и b называют структурными коэффициентами.
Приведенная форма модели имеет в правой части только переменные Х.
У1=б11х1+б12х2+…+б1mХm
У2=б21х1+б22x2+…+б2mXm
Уn=бn1х1+бn2x2+…+бnmXm
ПФМ представляет собой систему независимых уравнений, коэффициенты которой могут быть оценены с помощью МНК, т.е. все б можно найти.
Устанавл.взаимосвязь между коэф-ми а и b и б для ПСФМ:
Y1=b12y2+a11x1+E1 У1=б11х1+б12х2
У2=в21у1+а22х2+Е2 У2=б21х1+б22x2
Y2 второго уравнения подставляем в 1-е.
Y1=b12 (в21у1+а22х2+Е2) +a11x1+E1
…………….
Y1=(a11/1-b12b21)*x1+(b12a22/1-b12b21)*x2
б11=a11/(1-b12b21); б12=(b12a22)/(1-b12b21)
б21=ф11b21/1-b12b21 б22=a22/1-b12b21
получили систему 4-х линейных уравнений с 4-мя неизвестными. Известно, что система лин.ур-ий может иметь:
1.единственное решение
2.бесконечно много решений
3.не иметь решений
Поэтому при решении нашей системы все эти ситуации могут возникнуть => проблема идентификации.