Пример выполненной лабораторной работы №5
Тема: «Автокорреляция уровней временного ряда и выявление его структуры» Задание. Имеются данные за 30 последовательных периодов:
Требуется: рассчитать коэффициенты автокорреляции до максимально возможного уровня; построить автокорреляционную функцию; сделать выводы о структуре ряда; предложить модель авторегрессии для описания ряда. Решение. Для расчета коэффициента автокорреляции уровней ряда 1-го порядка r1 составим таблицу 6.2.1. Таблица 6.2.1
Полученное значение свидетельствует о слабой зависимости между уровнями временного ряда текущего и предшествующего периодов. Рассчитать коэффициенты автокорреляции 2-го и последующих уровней можно путем составления аналогичной таблиц. Однако, этот процесс достаточно трудоемок. Для облегчения задачи построим линейные тренды в ППП Exel. Для этого нужно выделить соответствующий диапазон данных (например для расчета нам нужны данные у3, у4,…,у30 и у1, у2,…,у28 ), затем построить точечную диаграмму и добавить линейный тренд. При построении тренда поставить галочку у флажка «Показывать величину аппроксимации на диаграмме (R2) ». Затем из полученного R2 выделить корень квадратный. Для данного примера . Рассчитаем коэффициенты автокорреляции нескольких уровней. Максимально возможный лаг не должен превышать , то есть можно рассчитать коэффициенты автокорреляции до 7-го порядка включительно.
Для r2:
Для r3:
Для r4:
Для r5:
Для r6:
Для r7:
Итак, автокорреляционная функция имеет вид:
Анализ значений автокорреляционной функции позволяет сделать вывод об отсутствии в изучаемом временном ряде сильной линейной тенденции и существовании сезонных колебаний с периодом три (r3 = 0,9999 и r6 = 0,9996). Для прогнозирования значений в будущие периоды в данном случае целесообразно предложить уравнение авторегрессии вида: .
Варианты индивидуальных заданий к лабораторной работе №5 Задание. Имеются данные за 30 последовательных периодов. Требуется: 1)рассчитать коэффициенты автокорреляции до максимально возможного уровня; 2)построить автокорреляционную функцию; 3) сделать выводы о структуре ряда; предложить модель авторегрессии для описания ряда.
7. Автокорреляция в остатках. Критерий Дарбина-Уотсона. Краткая теория. Рассмотрим уравнение регрессии вида: , где -число независимых переменных модели. Для каждого момента (периода) времени значение компоненты определяется как: или . Рассматривая последовательность остатков как временной ряд, можно построить график их зависимости от времени. В соответствии с предпосылками МНК остатки должны быть случайными. Однако при моделировании временных рядов нередко встречается ситуация, когда остатки содержат тенденцию или циклические колебания. Это свидетельствует о том, что каждое следующее значение остатков зависит от предыдущих. В этом случае говорят об автокорреляции остатков. Автокорреляция остатков может быть вызвана несколькими причинами: 1) Наличие ошибок в измерениях исходных данных. 2) Ошибка в выборе модели: модель не включает факторы, оказывающие существенное воздействие на результат (фактор времени или некоторые лаговые переменные). От истинной автокорреляции остатков следует отличать ситуацию, когда причина автокорреляции заключается в неправильной спецификации функциональной формы модели (например, для нелинейной тенденции использовано линейное уравнение). В этом случае следует изменить форму связи факторных и результативного признаков, а не использовать специальные методы расчета параметров уравнения регрессии при наличии автокорреляции в остатках. Существуют два наиболее распространенных метода определения автокорреляции остатков: 1) Построение графика зависимости остатков от времени и визуальное определение наличия или отсутствия автокорреляции. 2) Использование критерия Дарбина-Уотсона и расчет величины: Коэффициент автокорреляции остатков первого порядка определяется так: , где , . Следующее соотношение связывает критерий Дарбина-Уотсона с коэффициентом автокорреляции остатков первого порядка: . Таким образом, если в остатках существует полная положительная автокорреляция и , то . Если в остатках полная отрицательная автокорреляция и , то . Если автокорреляция отсутствует, то , а . Следовательно, . Алгоритм выявления автокорреляции на основе критерия Дарбина-Уотсона следующий. Выдвигается гипотеза об отсутствии автокорреляции остатков. Альтернативные гипотезы и состоят, соответственно, в наличии положительной или отрицательной автокорреляции в остатках. Далее по таблицам определяются критические значения статистики Дарбина-Уотсона и для заданного числа наблюдений , числа независимых переменных модели и уровня значимости . По этим значениям промежуток разбивается на пять отрезков: 1. Если статистика Дарбина – Уотсона , то отклоняется и принимается гипотеза о наличии положительной автокорреляции в остатках. 2. Если , то отклоняется и принимается гипотеза о наличии отрицательной автокорреляции в остатках. 3. Если , то гипотеза об отсутствии автокорреляции в остатках принимается. 4. Если или , то гипотезу нельзя ни принять, ни отвергнуть. Уравнение можно использовать для анализа и прогноза только в случае отсутствия в нем автокорреляции в остатках. Есть несколько существенных ограничений на применение критерия Дабина-Уотсона: 1) он неприменим к моделям авторегрессии, т.е. моделям, включающим в качестве независимых переменных лаговые значения результативного признака; 2) выявляет автокорреляцию остатков только первого порядка; 3) дает достоверные результаты только для больших выборок.
Популярное: Почему стероиды повышают давление?: Основных причин три... Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... Как построить свою речь (словесное оформление):
При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (444)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |