Расчет коэффициента автокорреляции шестого порядка для временного ряда
t |
уt |
уt-2 |
уt – ӯ3 |
уt-2 – ӯ4 |
( уt – ӯ3)· ( уt-2 – ӯ4) |
( уt – ӯ3)² |
(уt-2 – ӯ4)² |
1 |
428 |
|
|
|
|
|
|
2 |
496 |
|
|
|
|
|
|
3 |
444 |
|
|
|
|
|
|
4 |
492 |
|
|
|
|
|
|
5 |
568 |
|
|
|
|
|
|
6 |
489 |
|
|
|
|
|
|
7 |
572 |
428 |
-49,83333333 |
-127,6666667 |
6362,055556 |
2483,361111 |
16298,77778 |
8 |
645 |
496 |
23,16666667 |
-59,66666667 |
-1382,277778 |
536,6944444 |
3560,111111 |
9 |
569 |
444 |
-52,83333333 |
-111,6666667 |
5899,722222 |
2791,361111 |
12469,44444 |
10 |
630 |
492 |
8,166666667 |
-63,66666667 |
-519,9444444 |
66,69444444 |
4053,444444 |
11 |
696 |
568 |
74,16666667 |
12,33333333 |
914,7222222 |
5500,694444 |
152,1111111 |
12 |
639 |
489 |
17,16666667 |
-66,66666667 |
-1144,444444 |
294,6944444 |
4444,444444 |
13 |
694 |
572 |
72,16666667 |
16,33333333 |
1178,722222 |
5208,027778 |
266,7777778 |
14 |
763 |
645 |
141,1666667 |
89,33333333 |
12610,88889 |
19928,02778 |
7980,444444 |
15 |
705 |
569 |
83,16666667 |
13,33333333 |
1108,888889 |
6916,694444 |
177,7777778 |
16 |
757 |
630 |
135,1666667 |
74,33333333 |
10047,38889 |
18270,02778 |
5525,444444 |
17 |
835 |
696 |
213,1666667 |
140,3333333 |
29914,38889 |
45440,02778 |
19693,44444 |
18 |
771 |
639 |
149,1666667 |
83,33333333 |
12430,55556 |
22250,69444 |
6944,444444 |
|
11193 |
6668 |
814 |
4,54747E-13 |
77420,66667 |
129687 |
81566,66667 |
|
621,833 |
555,666 |
|
|
|
|
|
|
|
|
|
|
|
2840,11866 |
2878,64595 |
|
|
|
|
|
0,6025778 |
|
|
Составляем и изображаем кореллограмму
-
0,5945337
0,6945721
0,2903094
0,9995397
0,4592547
0,6025778
Вывод: Наибольшее значение коэффициента автокорреляции, ряд содержит циклические колебания с периодом 4
Построим аддитивную модель
В примере 5.2 было показано, что данный временной ряд содержит сезонные колебания периодичностью 4. По графику ряда можно установить наличие приблизительно равной амплитуды колебаний. Это свидетельствует о возможном существовании в ряде аддитивной модели. Рассчитаем ее компоненты.
Шаг 1. Проведем выравнивание исходных уровней ряда методом скользящей средней. Для этого:
просуммируем уровни ряда последовательно за каждые четыре квартала со сдвигом на один момент времени и определим условные годовые объемы потребления электроэнергии (гр. 3 табл. 5.8);
разделив полученные суммы на 4, найдем скользящие средние (гр. 4 табл.5.8). Отметим, что полученные таким образом выравненные значения уже не содержат сезонной компоненты;
приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних — центрированные скользящие средние (гр. 5 табл. 5.8).
Таблица 5.8
Расчет оценок сезонной компоненты в аддитивной модели
№ квартала t |
Итого за четыре квартала |
Скользящая средняя за четыре квартала |
Центрированная скользящая средняя |
Оценка сезонной компоненты | |
1 |
2 |
3 |
4 |
5 |
6 |
1 |
428 |
|
|
|
|
2 |
496 |
|
|
|
|
3 |
444 |
1860 |
465 |
482,5 |
-38,5 |
4 |
492 |
2000 |
500 |
499,125 |
-7,125 |
5 |
568 |
1993 |
498,25 |
514,25 |
53,75 |
6 |
489 |
2121 |
530,25 |
549,375 |
-60,375 |
7 |
572 |
2274 |
568,5 |
568,625 |
3,375 |
8 |
645 |
2275 |
568,75 |
586,375 |
58,625 |
9 |
569 |
2416 |
604 |
619,5 |
-50,5 |
10 |
630 |
2540 |
635 |
634,25 |
-4,25 |
11 |
696 |
2534 |
633,5 |
649,125 |
46,875 |
12 |
639 |
2659 |
664,75 |
681,375 |
-42,375 |
13 |
694 |
2792 |
698 |
699,125 |
-5,125 |
14 |
763 |
2801 |
700,25 |
715 |
48 |
15 |
705 |
2919 |
729,75 |
747,375 |
-42,375 |
16 |
757 |
3060 |
765 |
766 |
-9 |
17 |
835 |
3068 |
767 |
383,5 |
451,5 |
18 |
771 |
|
|
|
|
Шаг 2. Найдем оценки сезонной компоненты как разность между фактическими уровнями ряда и центрированными скользящими средними (гр. 6 табл. 5.8). Используем эти оценки для расчета значений сезонной компонентыS(табл. 5.9). Для этого найдем средние за каждый квартал (по всем годам) оценки сезонной компонентыSt. В моделях с сезонной компонентой обычно предполагается, что сезонные воздействия за период взаимопогашаются. В аддитивной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна нулю.
Таблица 5.9.
Расчет значений сезонной компоненты в аддитивной модели
Показатели |
Год
|
№ квартала, i | |||
I |
II |
III |
IV | ||
центрированные скользящие средние |
1 |
|
|
-38,5 |
-7,125 |
2 |
53,75 |
-60,375 |
3,375 |
58,625 | |
3 |
-50,5 |
-4,25 |
46,875 |
-42,375 | |
4 |
-5,125 |
48 |
-42,375 |
-9 | |
5 |
451,5 |
|
|
| |
6 |
|
|
|
| |
Итого за i-й квартал (за все годы) |
|
449,625 |
-16,625 |
-30,625 |
0,125 |
Средняя оценка сезонной компоненты для i-го квартала, |
|
112,40625 |
-5,54167 |
-7,65625 |
0,03125 |
Скорректированная сезонная компонента, |
|
87,596354 |
-30,35156 |
-32,46614 |
-24,7786 |
Для данной модели имеем:
112,406-5,541-7,656+0,0312=99,239
Определим корректирующий коэффициент:
k=99,239/ 4 = 24,809
Рассчитаем скорректированные значения сезонной компоненты как разность между ее средней оценкой и корректирующим коэффициентом k:
где i= 1: 4
Проверим условие равенства нулю суммы значений сезонной компоненты:
87,596354-30,35156-32,46614-24,7786= 0
Таким образом, получены следующие значения сезонной компоненты:
I квартал: = 87,59;
II квартал: S2= -30,35;
III квартал: S3 = -32,46;
IV квартал: S4 = - 24,77.
Занесем полученные значения в табл. 5.9 для соответствующих кварталов каждого года (стр. 3).
Шаг 3. Элиминируем влияние сезонной компоненты, вычитая ее значение из каждого уровня исходного временного ряда. Получим величиныТ + Е= Y— S (гр. 4 табл. 5.10). Эти значениярассчитываются за каждый момент времени и содержат только тенденцию и случайную компоненту.
Таблица 5.10
Расчет выравненных значений T и ошибок Е в аддитивной модели
t |
уt |
Sί |
T+E= уt-Sί |
T |
T+S |
E= уt -(T+E) |
E2 |
( уt-ӯt)2 |
1 |
428 |
87,59 |
340,41 |
388,775848 |
476,366 |
-48,36584795 |
2339,255248 |
37571,36111 |
2 |
496 |
30,35 |
465,65 |
410,8439181 |
441,194 |
54,80608187 |
3003,70661 |
15834,02778 |
3 |
444 |
32,46 |
411,54 |
432,9119883 |
465,372 |
-21,3719883 |
456,7618841 |
31624,69444 |
4 |
492 |
24,77 |
467,23 |
454,9800585 |
479,75 |
12,24994152 |
150,0610673 |
16856,69444 |
5 |
568 |
87,59 |
480,41 |
477,0481287 |
564,638 |
3,361871345 |
11,30217894 |
2898,027778 |
6 |
489 |
30,35 |
458,65 |
499,1161988 |
529,466 |
-40,46619883 |
1637,513248 |
17644,69444 |
7 |
572 |
32,46 |
539,54 |
521,184269 |
553,644 |
18,35573099 |
336,9328603 |
2483,361111 |
8 |
645 |
24,77 |
620,23 |
543,2523392 |
568,022 |
76,97766082 |
5925,560265 |
536,6944444 |
9 |
569 |
87,59 |
481,41 |
565,3204094 |
652,91 |
-83,91040936 |
7040,956798 |
2791,361111 |
10 |
630 |
30,35 |
599,65 |
587,3884795 |
617,738 |
12,26152047 |
150,3448842 |
66,69444444 |
11 |
696 |
32,46 |
663,54 |
609,4565497 |
641,917 |
54,08345029 |
2925,019596 |
5500,694444 |
12 |
639 |
24,77 |
614,23 |
631,5246199 |
656,295 |
-17,29461988 |
299,1038769 |
294,6944444 |
13 |
694 |
87,59 |
606,41 |
653,5926901 |
741,183 |
-47,18269006 |
2226,206241 |
5208,027778 |
14 |
763 |
30,35 |
732,65 |
675,6607602 |
706,011 |
56,98923977 |
3247,773449 |
19928,02778 |
15 |
705 |
32,46 |
672,54 |
697,7288304 |
730,189 |
-25,18883041 |
634,4771774 |
6916,694444 |
16 |
757 |
24,77 |
732,23 |
719,7969006 |
744,567 |
12,43309942 |
154,5819611 |
18270,02778 |
17 |
835 |
87,59 |
747,41 |
741,8649708 |
829,455 |
5,54502924 |
30,74734927 |
45440,02778 |
18 |
771 |
30,35 |
740,65 |
763,9330409 |
794,283 |
-23,28304094 |
542,0999952 |
22250,69444 |
сумма |
11193 |
818,62 |
10374,38 |
|
|
|
31112,4 |
252116,5 |
среднее |
621,833 |
|
|
|
|
|
|
|
Шаг 4. Определим компонентуTданной модели. Для этого проведем аналитическое выравнивание ряда (T+ Е) с помощью линейного тренда. Результаты аналитического выравнивания следующие данные:
Константа 366,707
Коэффициент регрессии 22,068
Стандартная ошибка свободного члена 5,148651
Стандартная ошибка коэффициента регрессии 0,360331
R-квадрат 0,999717
F-критерий 77632,25
Число степеней свободы 22
Таким образом, имеем следующий линейный тренд:
T=366,707+22,068t
Подставляя в это уравнение значения t=1, …, 16 найдем уровниTдля каждого момента времени (гр. 5 табл. 5.10.) График уравнения тренда приведен на рис. 5.2 1 ряд фактические значения, 2 ряд –T+E, 3 ряд –T+S
Шаг 5.Найдем значения уровней ряда, полученные по аддитивной модели. Для этого прибавим к уровнямTзначения сезонной компоненты для соответствующих кварталов. Графически значения (Т+S) представлены на рис. 5.2.
Шаг 6.В соответствии с методикой построения аддитивной модели расчет ошибки производится по формулеE=Y– (T+S)
Это абсолютная ошибка. Численные значения абсолютных ошибок приведены в гр. 7 табл. 5.10.
По аналогии с моделью регрессии для оценки качества построения модели или для выбора наилучшей модели можно применять сумму квадратов полученных абсолютных ошибок. Для данной аддитивной модели сумма квадратов абсолютных ошибок равна 366,707. По отношению к общей сумме квадратов отклонений уровней ряда от его среднего уровня, равной 252116,5 , эта величина составляет0,12340 или 1,234%.
Следовательно, можно сказать, что аддитивная модель объясняет 98,766% общей вариации уровней временного ряда.