Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Временные ряды

Читайте также:
  1. III. ВРЕМЕННЫЕ ХАРАКТЕРИСТИКИ УСИЛИТЕЛЕЙ
  2. Видовременные формы глагола в активном и пассивном залогах.
  3. Вопрос 2. Современные концепции управления ЧР
  4. Вопрос 31 Временные параметры элементов сетевого графика
  5. Временные границы
  6. Временные границы
  7. Временные переводы на другую работу.

Экономические данные (со статистической точки зрения) обычно делятся на два вида: перекрестные данные и временные ряды.

Перекрестные данные это данные по какому-либо экономическому показателю, полученные для разных однотипных объектов (предприятий, фирм, регионов и т. п.). При этом либо все данные относятся к одному и тому же моменту времени, либо их временная принадлежность несущественна.

Временной ряд представляет собой последовательность измерений в последовательные моменты времени. В отличие от анализа перекрестных данных анализ временных рядов основывается на предположении, что последовательные значения в наборе данных наблюдаются через равные промежутки времени (тогда как в других методах не важна и часто не интересна привязка наблюдений ко времени).

Анализ временных рядов включает широкий спектр разведочных процедур и исследовательских методов, которые ставят две основные цели: определение природы временного ряда и предсказание будущих значений временного ряда по настоящим и прошлым значениям (прогнозирование). Обе эти цели требуют, чтобы модель ряда была идентифицирована и более или менее формально описана.

Как и большинство других видов анализа, анализ временных рядов предполагает, что данные содержат систематическую составляющую (обычно включающую несколько компонент) и случайный шум (ошибку, отражающую влияние не поддающихся учету и регистрации случайных факторов), который затрудняет обнаружение регулярных компонент. В зависимости от формы разложения временного ряда на систематическую d и случайную составляющие е различают аддитивную и мультипликативную модели временного ряда. В свою очередь, в систематической компоненте временного ряда d обычно выделяют три составляющие:

· тренд tr – плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов, т.е. длительную тенденцию изменения признака;

· сезонную компоненту s – отражает повторяемость экономических процессов в течение не очень длительного периода;

· циклическую компоненту с – отражает повторяемость экономических процессов в течение длительных периодов.

Таким образом, например, аддитивную модель временного ряда можно представить следующим образом

В зависимости от того, изменяются или не изменяются во времени вероятностные свойства (математическое ожидание, дисперсия) изучаемой случайной величины, различают нестационарные и стационарные временные ряды. Экономические процессы обычно не являются стационарными, так как содержат систематическую составляющую, но их можно преобразовать в стационарные путем исключения тренда, сезонной и циклической компонент.

Существует достаточно большое число методов сведения ряда к стационарности. Например, для выделения тренда широкое распространение получили метод наименьших квадратов и метод простых разностных операторов, для выделения сезонной компоненты – метод сезонного выравнивания и метод сезонных разностных операторов, для выделения тренда и циклической компоненты – метод скользящей средней и метод экспоненциального сглаживания .

Два последних метода реализованы в пакете Анализа.


Дата добавления: 2015-07-17; просмотров: 164 | Нарушение авторских прав


Читайте в этой же книге: Метод экспоненциального сглаживания. | Решение. | Трендовые модели | Трендовая модель адекватна изучаемому процессу и отражает тенденцию его развития во времени при значениях , близких к 1. | Технология построения трендовых моделей в MS Excel | Прогнозирование на основе моделей временных рядов | Решение. |
<== предыдущая страница | следующая страница ==>
Автокорреляция в остатках. Критерий Дарбина-Уотсона| Метод скользящей средней.

mybiblioteka.su - 2015-2024 год. (0.007 сек.)