Навигация
Моделирование тенденции временного ряда
30111
знаков
12
таблиц
3
изображения
2.3. Моделирование тенденции временного ряда.
Одним из наиболее распространённых способов моделирования тенденции временного ряда является построение аналитической функции, характеризующей зависимость уровней ряда от времени, или тренда. Этот способ называют аналитическим выравниванием временного ряда.
Т.к. зависимость от времени может принимать разные формы, для её формализации можно использовать различные виды функции. Для построения трендов чаще всего применяются следующие функции:
-линейный тренд: `yt= a + b*t ;
-гипербола:`yt = a + b/t ;
-экспоненциальный тренд: `yt = e a+b*t ;
-тренд в форме степенной функции: `yt = a*tb ;
-парабола: `yt = a + b1*t + b2*t2 + ... + bk*tk ;
Параметры каждого из этих трендов можно определить методом наименьших квадратов, используя в качестве независимой переменной время t = 1, 2, ... ,n , а в качестве зависимой переменной – фактические уровни временного ряда yt. Для нелинейных трендов предварительно проводят стандартную процедуру их линеаризации.
Существует несколько способов определения типа тенденции. К числу наиболее распространённых способов относятся качественный анализ изучаемого процесса, построение и визуальный анализ графика зависимости уровней ряда от времени, расчёт некоторых основных показателей динамики. В этих же целях можно использовать и коэффициенты автокорреляции уровней ряда. Тип тенденции можно определить путем сравнения коэффициентов автокорреляция первого порядка, рассчитанных по исходным и преобразованным уровням ряда. Если временной ряд имеет линейную тенденцию, то его соседние уровни yt и yt-1 тесно коррелируют. В этом случае коэффициент автокорреляции первого порядка уровней исходного ряда должен быть высоким. Если временной ряд содержит не6линейную 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 временном 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 R и выбора уравнения тренда с максимальным значением скорректированного коэффициента детерминации.
Высокие значения коэффициентов автокорреляции первого, второго и третьего порядков свидетельствуют о том, что ряд содержит тенденцию. Приблизительно равные значения коэффициентов автокорреляции по уровням этого ряда и по логарифмам уровней позволяют сделать следующий вывод: если ряд содержит нелинейную тенденцию, то она выражена в неявной форме. Поэтому для моделирования его тенденции в равной мере целесообразно использовать и линейную, и нелинейную функции, например степенной или экспоненциальный тренд. Для выявления наилучшего уравнения тренда необходимо определить параметры основных видов трендов.
Наиболее простую экономическую интерпретацию имеют параметры линейного и экспоненциального трендов. Параметры линейного тренда:
a - начальный уровень временного ряда в момент времени t = 0;
b - средний за период абсолютный прирост уровней ряда.
Расчётные по линейному тренду значения уровней временного ряда определяются двумя способами. Во-первых, можно последовательно подставлять в найденное уравнение тренда значения t = 1, 2, ..., n. Во-вторых, в соответствии с интерпретацией параметров линейного тренда каждый последующий уровень ряда есть сумма предыдущего уровня и среднего цепного абсолютного прироста.
Задача №1
Десять человек различного возраста имеют следующие параметры:
| Возраст, лет | 18 | 20 | 21 | 22 | 22 | 24 | 25 | 26 | 31 | 39 |
| Рост, см | 174 | 183 | 182 | 180 | 178 | 179 | 185 | 185 | 184 | 182 |
| Вес, кг | 65 | 73 | 69 | 74 | 77 | 75 | 78 | 84 | 79 | 79 |
Похожие работы
... определяется по формуле: , где – значение частоты повторения признака. Модальный размер процента влажности всей партии обследованной продукции определяется по формуле: , где М0 – статистическая мода; Х0 – нижняя граница (минимальное значение) модального интервала; i – размер модального интервала (разность между верхней и нижней границей модального интервала); – частота ...
... на долю местного рынка в размере 7%-15%. Все обоснования выгодности данного проекта представлены в ниже следующих главах бизнес-плана. 3. АНАЛИЗ И ОЦЕНКА КОНКУРЕНЦИИ В настоящее время на Юге России существуют более двух десятков предприятий занимающихся производством и переработкой молочной продукции, и поставляющих её, в том числе, на рынок Ростова и Ростовской области. Более или менее ...
... и МПДП Дьюар и Форд [23] подобрали систему инкрементов, специфичных для валентных, деформационных и торсионных колебаний определенных атомных групп или связей; на очень большом числе примеров продемонстрирована удовлетворительная точность результатов. сульфаниламид квантовый химический органический молекула Более логичным представляется корректирование значений силовых постоянных, и на этом пути ...
... ее образуются желто-красные осадки гидразонов, склонные к быстрой кристаллизации. Таким же путем легко обнаружить и биурет в карбамиде. Количественные определения минеральных удобрений Все количественные определения минеральных удобрений производятся согласно ГОСТ 21560.4-02. В промышленных минеральных удобрениях принято рассчитывать следующие количественные показатели: 1. ...
0 комментариев