Быстрый поиск

Реферат: Ряды динамики

2) Скользящая средняя . В этом методе исходные уровни ряда заменяются средними величинами , которые получают из данного уровня и нескольких симметрично его окружающих . Целое число уровней , по которым рассчитывается среднее значение , называют интервалом сглаживания . Интервал может быть нечетным (3,5,7 и т.д. точек) или четным (2,4,6 и т.д. точек).

При нечетном сглаживании полученное среднее арифметическое значение закрепляют за серединой расчетного интервала , при четном это делать нельзя . Поэтому при обработке ряда четными интервалами их искусственно делают нечетными , для чего образуют ближайший больший нечетный интервал , но из крайних его уровней берут только 50%.

Недостаток методики сглаживания скользящими средними состоит в условности определения сглаженных уровней для точек в начале и конце ряда . Получают их специальными приемами – расчетом средней арифметической взвешенной . Так , при сглаживании по трем точкам выровненное значение в начале ряда рассчитывается по формуле 24 :

. (24)

Для последней точки расчет симметричен .

При сглаживании по пяти точкам имеем такие уравнения (формулы 25):

(25)

Для последних двух точек ряда расчет сглаженных значений полностью симметричен сглаживанию в двух начальных точках .

Формулы расчета по скользящей средней выглядят , в частности , следующим образом (формула 26):

для 3--членной . (26)

3) Аналитическое выравнивание . Под этим понимают определение основной проявляющейся во времени тенденции развития изучаемого явления . Развитие предстает перед исследователем как бы в зависимости только от течения времени . В итоге выравнивания временного ряда получают наиболее общий , суммарный , проявляющийся во времени результат действия всех причинных факторов . Отклонение конкретных уровней ряда от уровней , соответствующих общей тенденции , объясняют действием факторов , проявляющихся случайно или циклически . В результате приходят к трендовой модели , выраженной формулой 27:

, (27)

где f(t) – уровень , определяемый тенденцией развития ;

-- случайное и циклическое отклонение от тенденции.

Целью аналитического выравнивания динамического ряда является определение аналитической или графической зависимости f(t) . На практике по имеющемуся временному ряду задают вид и находят параметры функции f(t) , а затем анализируют поведение отклонений от тенденции. Функцию f(t) выбирают таким образом , чтобы она давала содержательное объяснение изучаемого процесса .

Чаще всего при выравнивании используются следующий зависимости :

линейная ;

параболическая ;

экспоненциальная

или ).

1) Линейная зависимость выбирается в тех случаях , когда в исходном временном ряду наблюдаются более или менее постоянные абсолютные и цепные приросты , не проявляющие тенденции ни к увеличению , ни к снижению.

2) Параболическая зависимость используется , если абсолютные цепные приросты сами по себе обнаруживают некоторую тенденцию развития , но абсолютные цепные приросты абсолютных цепных приростов (разности второго порядка) никакой тенденции развития не проявляют .

3) Экспоненциальные зависимости применяются , если в исходном временном ряду наблюдается либо более или менее постоянный относительный рост (устойчивость цепных темпов роста , темпов прироста , коэффициентов роста) , либо , при отсутствии такого постоянства , -- устойчивость в изменении показателей относительного роста (цепных темпов роста цепных же темпов роста , цепных коэффициентов роста цепных же коэффициентов или темпов роста и т.д.).

Оценка параметров () осуществляется следующими методами :

1) Методом избранных точек,

2) Методом наименьших расстояний,

3) Методом наименьших квадратов (МНК)

В большинстве расчетов используется метод наименьших квадратов , который обеспечивает наименьшую сумму квадратов отклонений фактических уровней от выравненных :

Для линейной зависимости () параметр обычно интерпретации не имеет , но иногда его рассматривают , как обобщенный начальный уровень ряда ; -- сила связи , т. е. параметр , показывающий , насколько изменится результат при изменении времени на единицу . Таким образом , можно представить как постоянный теоретический абсолютный прирост .

Построив уравнение регрессии , проводят оценку его надежности . Это делается посредством критерия Фишера (F) . Фактический уровень () , вычисленный по формуле 28, сравнивается с теоретическим (табличным) значением :

, (28)

где k -- число параметров функции , описывающей тенденцию;

n -- число уровней ряда ;

Остальные необходимые показатели вычисляются по формулам 29 – 31 :

(29)

(30)

(31)

сравнивается с при степенях свободы и уровне значимости a (обычно a = 0,05). Если >, то уравнение регрессии значимо , то есть построенная модель адекватна фактической временной тенденции.

2.4 Анализ сезонных колебаний

Уровень сезонности оценивается с помощью :

1) индексов сезонности ;

2) гармонического анализа.

Индексы сезонности показывают , во сколько раз фактический уровень ряда в момент или интервал времени t больше среднего уровня либо уровня , вычисляемого по уравнению тенденции f(t) . При анализе сезонности уровни временного ряда показывают развитие явления по месяцам (кварталам) одного или нескольких лет . Для каждого месяца (квартала) получают обобщенный индекс сезонности как среднюю арифметическую из одноименных индексов каждого года . Индексы сезонности – это , по либо уровень существу , относительные величины координации , когда за базу сравнения принят либо средний уровень ряда , либо уровень тенденции . Способы определения индексов сезонности зависят от наличия или отсутствия основной тенденции .

Если тренда нет или он незначителен , то для каждого месяца (квартала) индекс рассчитывается по формуле 32:

(32)

где -- уровень показателя за месяц (квартал) t ;

-- общий уровень показателя .

Как отмечалось выше , для обеспечения устойчивости показателей можно взять больший промежуток времени . В этом случае расчет производится по формулам 33 :

(33)

где -- средний уровень показателя по одноименным месяцам за ряд лет ;

Т -- число лет .

При наличии тренда индекс сезонности определяется на основе методов , исключающих влияние тенденции . Порядок расчета следующий :

1) для каждого уровня определяют выравненные значения по тренду f(t);

2) рассчитывают отношения ;

3) при необходимости находят среднее из этих отношений для одноименных месяцев (кварталов) по формуле 34 :

,(Т -- число лет). (34)

Другим методом изучения уровня сезонности является гармонический анализ . Его выполняют , представляя временной ряд как совокупность гармонических колебательных процессов .

Для каждой точки этого ряда справедливо выражение , записанное в виде формулы 35 :

(35)

при t = 1, 2, 3, ... , Т.

Здесь -- фактический уровень ряда в момент (интервал) времени t;

f(t) – выравненный уровень ряда в тот же момент (интервал) t

-- параметры колебательного процесса (гармоники) с номером n , в совокупности оценивающие размах (амплитуду) отклонения от общей тенденции и сдвиг колебаний относительно начальной точки .

Общее число колебательных процессов , которые можно выделить из ряда , состоящего из Т уровней , равно Т/2. Обычно ограничиваются меньшим числом наиболее важных гармоник . Параметры гармоники с номером n определяются по формулам 36 –38 :

1) ; (36)

(37)

при n=1,2,...,(T/2 – 1);

3) (38)

2.4 Анализ взаимосвязанных рядов динамики .

В простейших случаях для характеристики взаимосвязи двух или более рядов их приводят к общему основанию , для чего берут в качестве базисных уровни за один и тот же период и исчисляют коэффициенты опережения по темпам роста или прироста .

Коэффициенты опережения по темпам роста – это отношение темпов роста (цепных или базисных) одного ряда к соответствующим по времени темпам роста (также цепным или базисным) другого ряда . Аналогично находятся и коэффициенты опережения по темпам прироста .

Анализ взаимосвязанных рядов представляет наибольшую сложность при изучении временных последовательностей . Однако нередко совпадение общих тенденций развития может быть вызвано не взаимной связью , а прочими неучитываемыми факторами . Поэтому в сопоставляемых рядах предварительно следует избавиться от влияния существующих в них тенденций , а после этого провести анализ взаимосвязи по отклонениям от тренда . Исследование включает проверку рядов динамики (отклонений) на автокорреляцию и установление связи между признаками .

Под автокорреляцией понимается зависимость последующих уровней ряда от предыдущих . Проверка на наличие автокорреляции осуществляется по критерию Дарбина – Уотсона (формула 39) :

, (39)

где -- отклонение фактического уровня ряда в точке t от теоретического (выравненного) значения .

При К = 0 имеется полная положительная автокорреляция , при К = 2 автокорреляция отсутствует , при К = 4 – полная отрицательная автокорреляция . Прежде чем оценивать взаимосвязь , автокорреляцию необходимо исключить . Это можно сделать тремя способами .

1. Исключение тренда с авторегрессией. Для каждого из взаимосвязанных рядов динамики Х и У получают уравнение тренда (формулы 40) :

(40)

Далее выполняют переход к новым рядам динамики , построенным из отклонений от трендов , рассчитанным по формулам 41 :

(41)

Для последовательностей выполняется проверка на автокорреляцию по критерию Дарбина – Уотсона . Если значение К близко к 2 , то данный ряд отклонений оставляют без изменений . Если же К заметно отличается от 2 , то по такому ряду находят параметры уравнения авторегрессии по формулам 42 :

(42)

Более полные уравнения авторегрессии можно получить на основе анализа автокорреляционной функции , когда определяются число параметров () и соответствующие этим параметрам величины шагов .