- •Лекция №8 показатели качества регрессии
- •Лекция №13 нормальная линейная модель множественной регрессии Лекция №14
- •Лекция №15 традиционный метод наименьших квадратов для многомерной регрессии
- •Лекция №21 тест чоу
- •Лекция №31 оценка сверхидентифицированного уравмвшя. Двухшаговый метод наименьших квадратов (дмнк – 2 sls)
- •Лекция №32 автокорреляция уровней временного ряда и выявление его структуры
- •Лекция №33 моделирование тенденции временного ряда (построение тренда)
- •Лекция №34 моделирование сезонных и циклических колебаний
- •Лекция №42 модель частичной (неполной) корректировки
Лекция №33 моделирование тенденции временного ряда (построение тренда)
методом наименьших квадратов система нормальных уравнений преобразуется к виду:
Тогда параметры линейного уравнения тренда рассчитываются по формулам:
, .
Рассмотрим пример. Пусть имеются поквартальные данные за 3 года об объемах выпуска продукции некоторым предприятием в тыс. шт. Данные приведены в табл. 15 (строки 1,2,4).
Таблица 15
Год |
Квартал |
t – номер наблюдения |
Объем выпуска(Xt) |
|
|
1999 |
1 |
1 |
477 |
-11 |
416,1 |
|
2 |
2 |
402 |
-9 |
474,8 |
|
3 |
3 |
552 |
-7 |
533,4 |
|
4 |
4 |
695 |
-5 |
592,1 |
2000 |
1 |
5 |
652 |
-3 |
650,8 |
|
2 |
6 |
562 |
-1 |
709,4 |
|
3 |
7 |
812 |
1 |
768,1 |
|
4 |
8 |
895 |
3 |
826,7 |
2001 |
1 |
9 |
832 |
5 |
885,4 |
|
2 |
10 |
722 |
7 |
944,1 |
|
3 |
11 |
1072 |
9 |
1002,7 |
|
4 |
12 |
1195 |
11 |
1061,4 |
Рассчитаем параметры линейного уравнения тренда приведенным выше формулам:
;
.
Лекция №34 моделирование сезонных и циклических колебаний
Таблица 16
Год |
Квар- тал – i |
Объем выпус- ка (Xtij ) |
|
|
– |
= – –Sai |
T |
|
1999 |
1 |
410 |
531,25 575,00 615,00 680,00 730,00 775,00 815,00 880,00 955,00
|
|
|
477,15 |
416,1 |
348,9 |
(1) |
2 |
400 |
|
|
401,60 |
474,8 |
473,2 |
|
|
3 |
715 |
553,13 |
161,88 |
551,60 |
533Д |
696,8 |
|
|
4 |
600 |
595,00 |
5,00 |
694,66 |
592,1 |
497,40 |
|
2000 |
1 |
585 |
647,50 |
-62,50 |
652,15 |
650,8 |
583,6 |
|
(2) |
2 |
560 |
705,00 |
-145,00 |
561,60 |
709,4 |
707,8 |
|
|
3 |
975 |
752,50 |
222,50 |
811,60 |
7684 |
931,5 |
|
|
4 |
800 |
795,00 |
5,0 |
894,66 |
826,7 |
732,1 |
|
2001 |
1 |
765 |
847,50 |
-82,50 |
832,15 |
885,4 |
818,3 |
|
(3) |
2 |
720 |
917,50 |
-197,50 |
721,60 |
944,1 |
942,5 |
|
|
3 |
1235 |
|
|
1071,6 |
1002,7 |
1166,1 |
|
|
4 |
1100 |
|
|
1194,6 |
1061,4 |
966,7 |
Таблица 17
Номер компо-ненты |
Год 1 |
Год 2 |
Год З |
Средняя оценка сезонной компоненты |
Скорректиро-ванная сезонная компонента |
1 2 3 4 |
– –1,67 123,33 –78,33 |
–66,67 –5,00 180,00 –113,33 |
–70,00 –1,67 183,33 – |
–68,33 –2,78 162,22 –95,83 |
–67,15 –1,60 163,40 –94,66 |
Итого |
|
|
|
–4,72 |
0 |
Результаты моделирования представлены на рис. 12.
Рис. 12. Исходный ряд динамики и ряд, построенный по аддитивной модели
Квартал |
Z2 |
Z3 |
Z4 |
1 |
0 |
0 |
0 |
2 |
1 |
0 |
0 |
3 |
0 |
1 |
0 |
4 |
0 |
0 |
1 |
Лекция №35
СПЕЦИФИКА ИЗУЧЕНИЯ ВЗАИМОСВЯЗЕЙ ПО ВРЕМЕННЫМ РЯДАМ. ИСКЛЮЧЕНИЕ СЕЗОННЫХ КОЛЕБАНИЙ. ИСКЛЮЧЕНИЕ ТЕНДЕНЦИИ
.
; .
.
Лекция №36
ДИНАМИЧЕСКИЕ ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ (ДЭМ). ОБЩАЯ ХАРАКТЕРИСТИКА. МОДЕЛИ АВТОРЕГРЕССИИ. ИНТЕРПРЕТАЦИЯ ПАРАМЕТРОВ
Лекция №37
МОДЕЛИ С РАСПРЕДЕЛЕННЫМ ЛАГОМ. ИНТЕРПРЕТАЦИЯ ПАРАМЕТРОВ. СРЕДНИЙ И МЕДИАННЫЙ ЛАГИ. ИЗУЧЕНИЕ СТРУКТУРЫ ЛАГОВ.
Рис. 13. Основные формы структуры лага:
а – линейная; б – геометрическая; в — полиномиальная
Лекция №38
ОЦЕНИВАНИЕ ПАРАМЕТРОВ МОДЕЛЕЙ
С РАСПРЕДЕЛЕННЫМ ЛАГОМ. МЕТОД АЛМОН
Ниже мы опишем суть метода Алмон.
1. Формализуют зависимость коэффициентов bj от величины лага j. Модель зависимости представляет собой полином:
либо 1-й степени: ;
либо 2-й степени: ;
либо 3-й степени: ;
• либо K-й степени (общий случай): .
2. Тогда каждый коэффициент модели (11) – bj (j= 0; L) можно выразить следующим образом:
;
;
;
и т.д.
.
Подставим найденные соотношения для bj в модель (11) и получим:
3. Перегруппируем слагаемые:
.
Обозначим слагаемые в скобках при коэффициентах Ci (i=0; K) как новые переменные:
;
;
;
…
Тогда модель примет вид:
. (12)
4. Определим параметры новой модели (12) с помощью обычного МНК. Затем от параметров Сi (i = 0; К) перейдем к параметрам bj (j = 0; L), используя соотношения, полученные на 1-м шаге.
Лекция №39
ОЦЕНИВАНИЕ ПАРАМЕТРОВ МОДЕЛЕЙ С ГЕОМЕТРИЧЕСКОЙ СТРУКТУРОЙ ЛАГА.
МЕТОД КОЙКА
Лекция №40
ОЦЕНИВАНИЕ ПАРАМЕТРОВ МОДЕЛЕЙ
АВТОРЕГРЕССИИ.
МЕТОД ИНСТРУМЕНТАЛЬНЫХ ПЕРЕМЕННЫХ
При построении моделей авторегрессии:
(15)
Лекция №41
МОДЕЛЬ АДАПТИВНЫХ ОЖИДАНИЙ
В общем виде модель адаптивных ожиданий можно за писать так:
. (17)
адаптивных ожиданий следующий:
или . (18)
Подставим в модель (17) вместо соотношение (18):
. (19)
Если модель (17) имеет место для периода t, то она будет иметь место и для периода (t – 1). Таким образом, в период (t–- 1) получим:
.
Умножим это выражение на (1 – ) и получим:
Вычтем почленно полученное выражение из (19):
или ,
где .