В моделях временных рядов зависимая переменная может быть связана не только со значениями объясняемых переменных в момент времени , но и с их значениями в предыдущие моменты времени. Так, например, потребление товаров длительного пользования зачастую зависит не только от доходов текущего, но предыдущих периодов. В этом случае строятся модели с лаговыми объясняющими переменными.Объясняющие переменные, взятые в модели регрессии с запаздыванием во времени, называются лаговыми переменными. Величина интервала запаздывания называется лагом. Так в модели лаговая переменная взята с лагом, равным 4.Объясняющие переменные, взятые в модели регрессии с запаздыванием во времени, называются лаговыми переменными. Величина интервала запаздывания называется лагом. Так в модели лаговая переменная взята с лагом, равным 4.Их можно подразделить на три класса:
1) модели с распределенными лагами, 2) модели авторегрессии, 3) авторегрессионные модели с распределенными лагами. Методы оценивания параметров модели с распределенными лагами основаны на изучении структуры лага.
|
|
При изучении данной темы в режиме самостоятельной работы следует руководствоваться следующими рекомендациями:
– теоретический материал для выполнения заданий представлен в главе 7 учебника [1] основной литературы, в главах 6-7 учебника [3] дополнительной литературы;
– образцы решения типичных задач изложены в разделе 5 практикума [4].
Необходимо уяснитьмодели ARMA, ARIMA, ARCH.
Контрольные вопросы для самопроверки
1. Что такое модель с распределенными лагами?
2. В каких случаях оценка параметров модели с распределенными лагами может быть дана методом наименьших квадратов?
3. Объясните, что такое структура лага и как она используется при построении модели с распределенными лагами?
4. Что такое авторегрессионные процессы?
5. Как строятся модели ARMA?
Рекомендуемая основная и дополнительная учебная литература и иные источники по теме:
1) Основная учебная литература: [1].
2) Дополнительная учебная литература:[1], [2], [3], [4].