Метод обработки временных рядов, целями которого является устранение случайных колебаний и построение аналитической функции, характеризующей зависимость уровней ряда от времени - тренда, называется аналитическим выравниванием временного ряда.
Суть метода аналитического выравнивания состоит в том, чтобы заменить фактические уровни временного ряда на теоретические Расчёт осуществляется по некоторому формализованному уравнению, принятому за математическую модель тренда. Для построения трендов чаще всего применяют такие функции, как:
-линейная ;
-степенная ;
-гиперболическая ;
-экспоненциальная ;
-полиномы второго и более высоких порядков:
Расчет параметров тренда про изводится методом МНК. В качестве зависимой переменной выступают фактические уровни ряда , а независимой переменной является время . Заметим, что для нелинейных трендов необходима процедура линеаризации, аналогичная рассмотренной в разделе 3.
Выбор функции тренда может быть осуществлен несколькими способами. Наиболее простым считается тот, в ходе которого анализируют цепные абсолютные приросты (первые разности уровней ряда) абсолютные ускорения уровней ряда (вторые разности ряда) и цепные коэффициенты роста .
|
|
Если примерно одинаковы то ряд имеет линейный тренд, если же примерно постоянны ' то для описания тенденции временного ряда следует выбрать параболу второго порядка, и, если примерно равны необходимо использовать экспоненциальную или степенную функции.
Пример. Рассчитаем параметры уравнения тренда по следующим данным:
Месяц | Темп роста номинальной | Месяц | Темп роста номинальной |
заработной платы | заработной платы | ||
Январь | 82,9 | Июнь | 121,6 |
Февраль | 87,3 | Июль | 118,6 |
Март | 99,4 | Август | 114,1 |
Апрель | 104,8 | Сентябрь | 123,0 |
Май | 107,2 | Октябрь | 127,3 |
Таблица 5.2 Темпы роста номинальной месячной заработной платы
(за 10 месяцев 1999г., % к уровню декабря 1998г.)
Для выявления тенденции временного ряда рассчитаем цепные абсолютные приросты (первые разности уровней ряда) абсолютные ускорения уровней ряда (вторые разности ряда) и цепные коэффициенты роста
Наибольшей стабильностью отличаются цепные коэффициенты роста. Для описания тенденции временного ряда используем степенной или экспоненциальный тренд. Для того чтобы убедиться в этом, рассчитаем уравнение тренда и коэффициенты детерминации уравнения для наиболее часто применяемых функций, применяя МНК. Получим табл. 5.4.
Месяц | |||||
Январь | 82,9 | - | - | - | |
Февраль | 87,3 | 4,4 | - | 1,053 | |
Март | 99,4 | 12,1 | 7,7 | 1,139 | |
Апрель | 104,8 | 5,4 | -6,7 | 1,054 | |
Май | 107,2 | 2,4 | -3,0 | 1,023 | |
Июнь | 121,6 | 14,4 | 12,0 | 1,134 | |
Июль | 118,6 | -3,0 | -17,4 | 0,975 | |
Август | 114,1 | -4,5 | -1,5 | 0,962 | |
Сентябрь | 123,0 | 8,9 | 13,4 | 1,078 | |
Октябрь | 127,3 | 3,7 | -5,2 | 1,035 |
Коэффициенты детерминации рассчитаны по линеаризованным уравнениям регрессии.
|
|
Степенной тренд лучше всего описывает тенденцию анализируемого временного ряда, что подтверждается высоким значением коэффициента детерминации.
Если тренд имеет линейную форму, то - начальный уровень временного ряда в период времени и - средний за период абсолютный прирост уровней ряда.
Если же ряд имеет, например, экспоненциальный тренд, то - начальный уровень временного ряда в период времени и - средний за единицу времени коэффициент роста уровней ряда.
Трактовка параметров степенного тренда аналогична трактовке параметров экспоненциального тренда.