В простейших случаях для характеристики взаимосвязи двух или более рядов их приводят к общему основанию, для чего берут в качестве базисных уровни за один и тот же период и исчисляют коэффициенты опережения по темпам роста или прироста.
Коэффициенты опережения по темпам роста – это отношение темпов роста (цепных или базисных) одного ряда к соответствующим по времени темпам роста (также цепным или базисным) другого ряда. Аналогично находятся и коэффициенты опережения по темпам прироста.
Анализ взаимосвязанных рядов представляет наибольшую сложность при изучении временных последовательностей. Однако нередко совпадение общих тенденций развития может быть вызвано не взаимной связью, а прочими неучитываемыми факторами. Поэтому в сопоставляемых рядах предварительно следует избавиться от влияния существующих в них тенденций, а после этого провести анализ взаимосвязи по отклонениям от тренда. Исследование включает проверку рядов динамики (отклонений) на автокорреляцию и установление связи между признаками.
Под автокорреляцией понимается зависимость последующих уровней ряда от предыдущих. Проверка на наличие автокорреляции осуществляется по критерию Дарбина – Уотсона (формула 39):
, (39)
где -- отклонение фактического уровня ряда в точке t от теоретического (выравненного) значения.
При К = 0 имеется полная положительная автокорреляция, при К = 2 автокорреляция отсутствует, при К = 4 – полная отрицательная автокорреляция. Прежде чем оценивать взаимосвязь, автокорреляцию необходимо исключить. Это можно сделать тремя способами.
1. Исключение тренда с авторегрессией. Для каждого из взаимосвязанных рядов динамики Х и У получают уравнение тренда (формулы 40):
(40)
Далее выполняют переход к новым рядам динамики, построенным из отклонений от трендов, рассчитанным по формулам 41:
(41)
Для последовательностей выполняется проверка на автокорреляцию по критерию Дарбина – Уотсона. Если значение К близко к 2, то данный ряд отклонений оставляют без изменений. Если же К заметно отличается от 2, то по такому ряду находят параметры уравнения авторегрессии по формулам 42:
(42)
Более полные уравнения авторегрессии можно получить на основе анализа автокорреляционной функции, когда определяются число параметров () и соответствующие этим параметрам величины шагов.
Далее по формуле 43 подсчитываются новые остатки:
(t = 1,..., Т) (43)
и, по формуле 44, коэффициент корреляции признаков:
. (44)
2. Корреляция первых разностей. От исходных рядов динамики Х и У переходят к новым, построенным по первым разностям (формулы 45):
(45)
По DХ и DУ определяют по формуле 46 направление и силу связи в регрессии:
(46)
3. Включение времени в уравнение связи: .
В простейших случаях уравнение выглядит следующим образом (формула 47):
(47)
Из перечисленных методов исключения автокорреляции наиболее простым является второй, однако более эффективен первый.
Вопросы для самоконтроля
1. Что такое ряд и уровни ряда динамики?
2. Охарактеризуйте моментные и интервальные ряды динамики.
3. Какие отличия имеют моментный и интервальный ряды динамики?
4. Какие имеются показатели рядов динамики и для каких целей они применяются?
5. В чем сущность выравнивания динамических рядов способом скользящей средней?
6. Как осуществляется параболическое выравнивание динамического ряда?
7. Охарактеризуйте метод конечных разностей и для каких целей они применяются.
8. Суть сезонности и ее значение для экономики.
9. Что представляет собой метод простой средней, который используется для анализа сезонности?
10. Дайте определение и расчет индекса сезонности.
11. Как исчисляется средняя сезонная волна из процентных отношений уровней?
12. Как осуществляется анализ сезонности?
13. В чем сущность анализа сезонности в рядах динамики после определения и исключения общей тенденции развития?