- •Тема 1. Природа эконометрики
- •1.1. Общие понятия эконометрических моделей
- •1. 2. Типы эконометрических моделей
- •1. 3. Типы данных
- •Тема 2. Корреляционный анализ в эконометрических исследованиях
- •2.1. Функциональная, статистическая и корреляционная зависимости
- •2.2. Понятие о двумерном корреляционном анализе
- •2.3. Понятие о многомерном корреляционном анализе
- •2.4. Ранговая корреляция
- •Тема 3. Регрессионный анализ в эконометрических исследованиях
- •3.1. Задача регрессионного анализа
- •3.2. Идентификация модели регрессии
- •3.3. Линейная парная регрессия и оценка параметров
- •3.4. Проверка значимости параметров линейной парной регрессии
- •3.5. Интервалы прогноза по линейному уравнению регрессии
- •3.6. Нелинейная регрессия
- •3.7. Корреляционное отношение и индекс корреляции
- •3.8. Множественный регрессионный анализ
- •4.9. Ковариационная матрица и ее выборочная оценка
- •4.10. Определение доверительных интервалов для коэффициентов и функции множественной регрессии
- •4.11. Мультиколлинеарность
- •Тема 5. Методы и модели анализа динамики экономических процессов
- •5.1. Понятия экономических рядов динамики
- •5.2. Предварительный анализ динамических рядов экономических показателей
- •5.3. Сглаживание динамических рядов
- •4.3. Расчет показателей динамики развития эконометрических процессов
- •4.4. Тренд-сезонные экономические процессы и их анализ
- •Тема 5. Модели прогнозирования экономических процессов
- •5.7. Трендовые модели на основе кривых роста
- •5.2. Оценка адекватности и точности трендовых моделей
- •5.3. Прогнозирование экономической динамики на основе трендовых моделей
- •5.4. Адаптивные модели прогнозирования
- •Лучшая модель ар(1,1)
- •Характеристика остатков
- •Тема 8. Системы взаимозависимых эконометрических моделей
- •8.1. Особенности систем взаимозависимьех моделей
- •8.2. Формы представления систем взаимозависимых эконометрических моделей
- •8.3. Косвенный метод оценки коэффициентов структурной формы систем взаимозависимых эконометрических моделей
- •8.4. Оценивание параметров структурной формы на основе двухшагового мнк с использованием инструментальных переменных
- •1. На первом шаге конструируются новые значения зависимых
- •2. На втором шаге значения используются вместо значений
- •8.5. Оценки параметров системы взаимозависимых эконометрических моделей с использованием трехшагового мнк
5.2. Предварительный анализ динамических рядов экономических показателей
Предварительный анализ временных рядов экономических показателей заключается в основном в выявлении и устранении аномальных значений уровней ряда, а также в определении наличия тренда в исходном временном ряде. Рассмотрим эти операции более подробно.
Под аномальным уровнем понимается отдельное значение уровня временного ряда, которое не отвечает потенциальным возможностям исследуемой экономической системы и которое, оставаясь в качестве уровня ряда, оказывает существенное влияние на значения основных характеристик временного ряда, в том числе на соответствующую трендовую модель. Причинами аномальных наблюдений могут быть ошибки технического порядка, или ошибки первого рода: ошибки при агрегировании и дезагрегировании показателей, при передаче информации и другие технические причины. Ошибки первого рода подлежат выявлению и устранению. Кроме того, аномальные уровни во временных рядах могут возникать из-за воздействия факторов, имеющих объективный характер, но проявляющихся эпизодически, очень редко — ошибки второго рода; они устранению не подлежат.
Для выявления аномальных уровней временных рядов используются методы, рассчитанные для статистических совокупностей.
Метод Ирвина, например, предполагает использование следующей формулы:
(5.1)
где среднеквадратическое отклонение №№ рассчитывается в свою очередь с использованием формул:
(5.2)
2 |
3 |
10 |
20 |
30 |
50 |
100 | |
2,8 |
2,3 |
1,5 |
1,3 |
1,2 |
1,1 |
1,0 |
После выявления аномальных уровней ряда обязательно определение причин их возникновения. Если точно установлено, что они вызваны ошибками первого рода, то они устраняются заменой аномальных уровней простой средней арифметической двух соседних уровней ряда.
Для определения наличия тренда в исходном временном ряду применяется несколько методов; рассмотрим два из них.
Метод проверки разностей средних уровней. Реализация этого метода состоит из четырех этапов.
На первом этапе исходный временной ряд разбивается на две примерно равные по числу уровней части: в первой части первых уровней исходного ряда, во второй —остальных уровней
На втором этапе для каждой из этих частей вычисляются средние значения и дисперсии:
;
Третий этап заключается в проверке равенства (однородности) дисперсий обеих частей ряда с помощью F-критерия Фишера, которая основана на сравнении расчетного значения этого критерия:
(5.3)
с табличным (критическим) значением критерия Фишера с заданным уровнем значимости (уровнем ошибки) . В качествечаще всего берут значения 0,1 (10%-ная ошибка), 0,05 (5%-ная ошибка), 0,01 (1%-ная ошибка). Величина 1 -называется доверительной вероятностью.
Если расчетное значение F меньше табличного , то гипотеза о равенстве дисперсий принимается и переходят к четвертому этапу. Если F больше или равно , гипотеза о равенстве дисперсий отклоняется и делается вывод, что данный метод для определения наличия тренда ответа не дает.
На четвертом этапе проверяется гипотеза об отсутствии тренда с использованием t-критерия Стьюдента. Для этого определяется расчетное значение критерия Стьюдента по формуле:
(5.4)
где — среднеквадратическое отклонение разности средних:
(5.5)
Если расчетное значение t меньше табличного значения статистики Стьюдента с заданным уровнем значимости ,гипотеза принимается, т.е. тренда нет, в противном случае тренд есть. Заметим, что в данном случае табличное значение берется для числа степеней свободы, равного ,при этом данный метод применим только для рядов с монотонной тенденцией.
Метод Фостера—Стьюарта. Этот метод обладает большими возможностями и дает более надежные результаты по сравнению с предыдущим. Кроме тренда самого ряда (как говорят, тренда в среднем), он позволяет установить наличие тренда дисперсии временного ряда: если тренда дисперсии нет, то разброс уровней ряда постоянен; если дисперсия увеличивается, то ряд «раскачивается» и т. д.
Реализация метода также содержит четыре этапа.
На первом этапе производится сравнение каждого уровня исходного временного ряда, начиная со второго уровня, со всеми предыдущими, при этом определяются две числовые последовательности:
При этом
На втором этапе вычисляются величины q и d:
Нетрудно заметить, что величина q, характеризующая изменение временного ряда, принимает значения от 0 (все уровни ряда равны между собой) до n-1 (ряд монотонный). Величина d характеризует изменение дисперсии уровней временного ряда и изменяется от -(n-1) (ряд монотонно убывает) до (n-1) (ряд монотонно возрастает).
Третий этап заключается в проверке гипотез: можно ли считать случайными
отклонение величины s от величины ц — математического ожидания величины s для ряда, в котором уровни расположены случайным образом,
отклонение величины d от нуля.
Эта проверка проводится с использованием расчетных значений t-критерия Стьюдента для средней и для дисперсии:
где — математическое ожидание величины, определеннойдля ряда, в котором уровни расположены случайным образом;
— среднеквадратическое отклонение для величины ;
— среднеквадратическое отклонение для величины d.
Для удобства имеются табулированные значения величин и ; фрагмент этих значений представлен в табл. 4.5.
10 |
20 |
30 |
40 | |
3,858 1,288 1,964 |
5,195 1,677 2,279 |
5,990 1,882 2,447 |
6,557 2,019 2,561 |
На четвертом этапе расчетные значения и сравниваются с табличным значением t-критерия Стьюден-та с заданным уровнем значимости . Если расчетное значение меньше табличного, то гипотеза об отсутствии соответствующего тренда принимается; в противном случае тренд есть. Например, если больше табличного значения , a меньше , то для данного временного ряда имеется тренд в среднем, а тренда дисперсии уровней ряда нет. Пример определения наличия тренда методом Фостера—Стьюарта приведен в § 4.4.