Содержание
- 2. Модели на основе рядов динамики Модели изолированного динамического ряда Модели системы взаимосвязанных рядов динамики Модели автрегрессии
- 3. Компоненты временного ряда Тенденция (T) Периодические колебания (P) Случайные колебания (E)
- 4. Ряд без тенденции и периодических колебаний (стационарный ряд)
- 5. Ряд с тенденцией
- 6. Ряды с периодическими колебаниями Ряд с периодическими и случайными колебаниями Ряд с тенденцией, периодическими и случайными
- 7. Аддитивная модель Мультипликативная модель
- 8. Автокорреляция уровней ряда Корреляционная зависимость между последовательными значениями уровней временного ряда называется автокорреляцией уровней ряда
- 9. Пример Имеются данные о расходах на конечное потребление и уровне дохода за 7 промежутков времени в
- 11. Этапы построения модели тенденции (уравнения тренда) Выбор математической функции, описывающей тенденцию Оценка параметров модели Проверка адекватности
- 12. Виды математических функций, описывающих тенденцию Функции с монотонным характером возрастания (убывания) и отсутствием пределов роста (снижения)
- 13. Уравнения трендов
- 14. Линейный тренд
- 15. Парабола 2-го порядка
- 16. Показательная функция
- 17. Степенной тренд - базисный коэффициент роста - средний коэффициент роста за период
- 18. Использование трендовых моделей для прогнозирования
- 19. Методы исключения тенденции при моделировании взаимосвязей по временным рядам Метод отклонений от тренда Метод последовательных разностей
- 20. Метод отклонений от тренда
- 22. - прогнозное значение уt - прогноз у по тренду при t=p - прогнозное значение хt -
- 23. Метод последовательных разностей
- 25. - прогнозное значение уровня ряда - конечный уровень динамического ряда и - то же по ряду
- 26. Включение в модель регрессии по временным рядам фактора времени
- 27. Пример Исключение тенденции методом отклонений от тренда
- 30. Пример Исключение тенденции методом первых разностей
- 31. Пример Исключение тенденции методом включения в модель регрессии по временным рядам фактора времени
- 32. Автокорреляция в остатках Критерий Дарбина-Уотсона Коэффициент автокорреляции в остатках
- 33. Критерий Дарбина-Уотсона
- 34. Пример
- 35. 0 4 2 dl du 4-dl 4-du нет а/к есть а/к есть а/к
- 36. Обобщенный метод наименьших квадратов при построении модели регрессии по временным рядам (ОМНК ) Алгоритм ОМНК Преобразование
- 37. Поправка Прайса-Винстена
- 39. Пример По данным за 1995-2003 гг. по Тамбовской области рассматривается зависимость потребления растительного масла на душу
- 40. Расчет преобразованных значений и т.д.
- 42. Моделирование периодических колебаний Ряды могут содержать только периодические колебания Ряды могут содержать и периодические колебания и
- 43. Для выявления измерения периодических колебаний во временных рядах можно использовать метод гармонического анализа ряда Сущность метода
- 44. Ряд Фурье Ряд Фурье -один из методов моделирования временного ряда с периодическими колебаниями Его построение зависит
- 45. Моделирование периодических колебаний Ряд Фурье можно описать в виде функции: Это ряд с двумя гармониками. Могут
- 46. Учет сезонности при построении модели регрессии z1 = 1 – для первого квартала, 0 – для
- 47. Переход от общего уравнения к уравнениям за каждый квартал для I квартала для II квартала для
- 48. Пример. Объем продаж товара фирмой (у – тыс. ед.) исследуется в зависимости от объема продаж его
- 51. Моделирование сезонных колебаний Аддитивная модель Мультипликативная модель Приблизительно равная сезонная вариация указывает на существование аддитивной модели.
- 52. Построение аддитивной модели
- 53. Пример
- 55. Расчет сезонной компоненты в аддитивной модели
- 56. Расчет средних значений сезонной компоненты в аддитивной модели
- 58. Пример 1 (прогнозирование на основе аддитивной модели)
- 60. Пример 2 Построение мультипликативной модели
- 67. Пример 2 (прогнозирование на основе мультипликативной модели)
- 68. Модели с лаговыми переменными 1) модели с лаговыми объясняющими переменными или иначе модели с распределенными лагами
- 69. Модель с распределенными лагами Данная модель означает, что изменение во времени t объясняющей переменный x будет
- 70. Коэффициент - краткосрочный мультипликатор. Он характеризует среднее изменение результата y при изменении на 1 единицу своего
- 71. Промежуточные мультипликаторы при k=4: - изменение y в момент времени t+1; - изменение y в момент
- 72. Долгосрочный мультипликатор При k=4 долгосрочный мультипликатор составит Он характеризует общее среднее изменение y через 4 временных
- 73. Относительные коэффициенты модели Характеризует долю общего изменения y в момент времени t+j.
- 74. Средняя величина лага Показывает средний интервал времени, в течение которого будет происходить изменение зависимой переменной y
- 75. Медианный лаг тот период времени, в течение которого с момента времени t будет реализована половина общего
- 76. Пример где t – время в годах, yt - основные производственные фонды ( млн. руб.), xt
- 77. Рост инвестиций на 1 млн. руб. в текущем периоде приводит к росту основных производственных фондов: -
- 78. Относительные коэффициенты модели: = 0,7 / 4 = 0,175; = 1 / 4 = 0,25; =
- 79. = 0 ∙ 0,175 + 1 ∙ 0,25 + 2 ∙ 0,375 + 3 ∙ 0,15
- 81. Скачать презентацию