Нужна помощь в написании работы?

1) Метод отклонений от тренда

· по факт рядам xt и yt опред-ся коэф-т автокор-ции 1-го порядка

·      при наличии тенденции выполняется выравнивание рядов xt и yt

·      опред-ся расчетные ур-ний xt и ŷt

·      опред-ся отклонения от трендов xt-xt и yt-ŷt

·      рассчит-ся коэф-т автокор-ции 1-го порядка по отклонениям от трендов

·      при отсутствии тенденции строится ур-ние регрессии м/ду фактором и рез-м, где в кач-ве исходных данных выпускают отклонения от трендов.

Параметры не интерпретируются, но рез-ты м-т исполь

Внимание!
Если вам нужна помощь в написании работы, то рекомендуем обратиться к профессионалам. Более 70 000 авторов готовы помочь вам прямо сейчас. Бесплатные корректировки и доработки. Узнайте стоимость своей работы.

2) Метод последовательных разностей

Если временной ряд содержит ярко выраженную линейную тенденцию, ее можно устранить путем замены исходных уровней ряда цепным абсолютными приростами (первыми разностями).

Пусть yt= ŷt+εt, где εt-случайная ошибка, ŷt=a+b*t,

Коэффициент b – константа, которая не зависит от времени. При наличии сильной линейной тенденции остатка εt достаточно малы и в соответствии с предпосылками МНК носят случайный характер. Поэтому первые разности уровней ∆t не зависят от переменной времени, их можно использовать для дальнейшего анализа.

Если временной ряд содержит тенденцию в форме параболы 2-го порядка, то для ее устранения можно заменить исходные уровни ряда на вторые разности: ŷt=a+b1*t+b2*t2.

Как показывает соотношение, первые разности ∆t= непосредственно зависят от фактора времени t и следовательно, содержит тенденцию. Определим вторые разности:

Очевидно, что вторые разности ∆2t не содержат тенденции, поэтому при наличии в исходных уровнях тренда в форме параболы 2-го порядка их можно использовать для дальнейшего анализа. Если тенденции временного ряда соответствует экспоненциальный или степенной тренд, метод последовательных разностей следует применять не к исходным уровням ряда, а к их логарифмам.

3) Включение в модель регрессии фактора времени

В корреляционно-регрессионном анализе устранить воздействие какого-либо фактора можно, если зафиксировать воздействие этого фактора на результат и другие включенные в модель факторы. Этот прием широко используется в анализе временных рядов, когда тенденция фиксируется через включение фактора времени в модель в качестве независимой переменной.

Модель вида ŷt=a+b1*х1+b2*t+εt, относится к группе моделей, включающих фактор времени. Очевидно, что число независимых переменных в такой модели может быть больше 1. Преимущество данной модели по сравнению с методом отклонений от трендов и последовательных разностей в том, что она позволяет учесть всю информацию, содержащуюся в исходных данных, поскольку значения xt и yt есть уровни исходных временных рядов. Кроме того, модель строится по всей совокупности данных за рассматриваемый период в отличие от метода последовательных разностей, который приводит к потере числа наблюдений. Параметры a и b модели с включением фактора времени определяются обычным МНК.

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Узнать стоимость
Поделись с друзьями