В ряде случаев минимизировать либо вообще устранить проблему мультиколлинеарности можно с помощью преобразования переменных.
Например, пусть эмпирическое уравнение регрессии имеет вид Y = b0 + b1X1 + b2X2
причем X1 и X2 − коррелированные переменные. В этой ситуации можно попытаться определять регрессионные зависимости относительных величин. Вполне вероятно, что в аналогичных моделях, проблема мультиколлинеарности будет отсутствовать.
34. Понятие временного ряда,его особенности
Термин временные ряды в статистике России пока непривычен. В учебниках по общей теории статистики преобладают термины ряды динамики, динамические ряды, статистическое изучение динамики.
Одной из причин, препятствовавших принятию отечественной статистикой данного термина, служит особенность русского языка – сближение по звучанию и написанию совершенно разных по смыслу слова временной, т.е. относящийся ко времени, связанный со временем, происходящий во времени, и слова временный, т.е. непостоянный, преходящий, малосущественный. И это заставило предпочесть новый и неточный по существу термин динамический ряд, ряд динамики.
|
|
Следовательно, динамические ряды – понятие, относящееся к тем рядам уровней, в которых содержится тенденция изменения, а временные ряды – более общее понятие, включающее как динамические, так и статические последовательности уровней какого-либо показателя.
Таким образом, временной ряд представляет собой ряд расположенных в хронологической последовательности числовых значений статистического показателя, характеризующих изменение общественных явлений во времени.
Особенности временных рядов:
· последовательные по времени уровни временных рядов являются взаимозависимыми, особенно это относится к близко расположенным наблюдениям;
· в зависимости от момента наблюдения уровни во временных рядах обладают разной информативностью: информационная ценность наблюдений убывает по мере их удаления от текущего момента времени;
· с увеличением количества уровней временного ряда точность статистических характеристик не будет увеличиваться пропорционально числу наблюдений, а при появлении новых закономерностей она может даже уменьшаться.
Таким образом учет фактора времени в финансово-экономическом анализе и прогнозировании является непременным условием, а его игнорирование может привести к неправильным оценкам и принятию ошибочных решений.
Динамическим рядом, или рядом динамикиназывается совокупность наблюдений одного показателя (признака), упорядоченных в зависимости от последовательно возрастающих или убывающих значений другого показателя (признака). Если в качестве признака – причины изменения (упорядочения) берется время, такой ряд называетсявременным рядом. Время выступает как фактор, действующее на результативный показатель. Оно включает в себя всю гамму факторов, действующих на результат.
|
|
Составными элементами рядов динамики являются цифровые значения показателей, называемые условиями ряда.
35. Понятие тенденции временного ряда(тренд)
На практике временные ряды имеют и тенденцию, и случайность. Существуют несколько видов тенденций: тенденция средней, тенденция дисперсии и тенденция автокорреляции. Мы будем рассматривать только тенденцию средней. Тенденция средней (среднего уровня) – это изменение уровня ряда во времени в среднем. Она может состоять из тренда, сезонной и циклической компонент.
Тренд – это плавно изменяющаяся нециклическая кривая (прямая), описывающая действия основных долговременных факторов, эффект которых сказывается постепенно. Например, рост в среднем объема реализации продукции, снижение себестоимости продукции и т.д. Сезонная компонента – это циклическое изменение в среднем уровней ряда с периодом, равным одному году. Например, сезонное изменение цен на продовольственные товары. Циклическая компонента – это циклическое изменении в среднем уровней ряда с периодом, большим одного года. Например, периодическое обновление основных средств (основных фондов). Знание тенденции средней (среднего уровня) позволяет не только понять развитие экономического процесса во времени, но и осуществить прогнозирование.
Тренд во временном ряде может иметь различную форму, с учетом которой и выбирается соответствующий тип трендовой модели. Отметим основные типы трендовых моделей:
а) линейная трендовая модель
б) параболическая 2-го порядка трендовая модель
в) степенная трендовая модель
г) показательная трендовая модель и т.д.
В рассмотренных трендовых моделях является независимым показателем – фактором, – зависимым показателем, – параметрами модели.
№36. АВТОКОРРЕЛЯЦИЯ УРОВНЕЙ ВРЕМЕННОГО РЯДА
Корреляционную зависимость между последовательными уровнями временного ряда
называют автокорреляцией уровней ряда. Количественно ее можно измерить
с помощью линейного коэффициента корреляции между уровнями исходного
временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов во времени. Коэффициент корреляции имеет вид:
можно определить коэффициенты автокорреляции второго и более высоких порядков.
Так, коэффициент автокорреляции второго порядка характеризует тесноту связи
между уровнями уt и y t-1 и
определяется по формуле:
Число периодов, покоторым рассчитывается коэффициент автокорреляции, называют лагом. Сувеличением лага число пар значений, по которым рассчитывается коэффициент
автокорреляции, уменьшается.
Отметим два важных свойства коэффициента автокорреляции. Во-первых,
он строится по аналогии с линейным коэффициентом корреляции и таким образом
характеризует тесноту только линейной связи текущего и предыдущего уровней
ряда. Во-вторых, по знаку коэффициента автокорреляции нельзя делать вывод о
возрастающей или убывающей тенденции в уровнях ряда.
Последовательность коэффициентов автокорреляции уровней первого, второго и т.
д. порядков называют автокорреляционной функцией временного ряда.
График зависимости ее значений от величины лага называется коррелограммой.. МОДЕЛИРОВАНИЕ ТЕНДЕНЦИЙ ВРЕМЕННОГО РЯДА (АНАЛИТИЧЕСКОЕ ВЫРАВНИВАНИЕВРЕМЕННОГО РЯДА)
Одним из наиболее распространенных способов моделирования тенденции временного
ряда является построение аналитической функции, характеризующей зависимость
|
|
уровней ряда от времени, или тренда. Этот способ называют аналитическим
выравниванием временного ряда.
Поскольку зависимость от времени может принимать разные формы, для ее
формализации можно использовать различные виды функций. Для построения
трендов чаще всего применяются следующие функции:
• линейный тренд:
• гипербола:
• экспоненциальный тренд:
• тренд в форме степенной функции:
• парабола второго и более высоких порядков:
Параметры каждого из перечисленных выше трендов можно определить обычным МНК,
используя в качестве независимой переменной время t=1,2,..., n, а в качестве
зависимой перемен- 1 ной — фактические уровни временного ряда yt
. Существует несколько способов определения типа тенденции. К числу наиболее
распространенных способов относятся качественный анализ изучаемого процесса,
построение и визуальный анализ графика зависимости уровней ряда от времени,
расчет некоторых основных показателей динамики. В этих же целях можно
использовать и коэффициенты автокорреляции уровней ряда. Тип тенденции можно
определить путем сравнения коэффициентов автокорреляции первого порядка,
рассчитанных по исходным и преобразованным уровням ряда. Если временной ряд
имеет линейную тенденцию, то его соседние уровни уt и у
t-1 тесно коррелируют. В этом случае коэффициент
автокорреляции первого порядка уровней исходного ряда должен быть высоким. Если
временной ряд содержит нелинейную тенденцию, например, в форме экспоненты, то
коэффициент автокорреляции первого порядка по логарифмам уровней исходного
ряда будет выше, чем соответствующий коэффициент, рассчитанный по уровням
ряда. Чем сильнее выражена нелинейная тенденция в изучаемом временно м ряде,
тем в большей степени будут различаться значения указанных коэффициентов.
Выбор наилучшего уравнения в случае, если ряд содержит нелинейную тенденцию,
можно осуществить путем перебора основных форм тренда, расчета по каждому
|
|
уравнению скорректированного коэффициента детерминации R2 и
выбора уравнения тренда с максимальным значением скорректированного
коэффициента детерминации.
37. Метод проверки гипотезы о существовании тренда во временном ряду, основанный на сравнении средних уровней ряда
Тренд – долговременная компонента временного ряда, характеризующая основную тенденцию развития, при этом остальные компоненты рассматриваются как мешающие процедуре его определения.
3 критерия проверки наличия тренда:
- метод проверки существенности разности средних. Основные этапы. Временной ряд разбивается на 2 части, выдвигается гипотеза об отсутствии тренда. Определяется расчетное значение критерия Стьюдента. Если tрасч>tтабл, гипотеза об отсутствии тренда отвергается. Перед использованием необходимо гипотезу о равенстве дисперсий. Если Фрасч<Фтаблгипотезп о равенстве дисперсий подтверждается. Если Фрасч>Фтабл формула для испытания разности средних не может быть применена.
- медиана. Определяется медиана ряда, образование последовательности по правилу:
+ еслиyt>Me, - еслиyt<me. Подсчитывается число серий в совокупности, определяется протяженность самой длинной серии. Проверяются 2 неравенства на верность. Если хотябы одно неравенство нарушено, подтверждается наличие тренда.
- восходящие и нисходящие. Образуется последовательность знаков по принципу: +, если y(t+1)-yt>0, - если y(t+1)-yt<0. Подсчитывается число серий в совокупности, определяется протяженность самой длинной серии. Проверяются 2 неравенства на верность. Если хотябы одно неравенство нарушено, подтверждается наличие тренда.