Содержание
СОДЕРЖАНИЕ
Введение2
1.Модели стационарных и нестационарных временных рядов, их идентификация3
1.1.Характеристики временных рядов.3
1.2.Линейные регрессионные модели с гомоскедастичными и гетероскедастичными, независимыми и автокоррелированными остатками4
1.3.Идентификация моделей.5
2.Временные ряды. Лаги в экономических моделях6
3.Оценка моделей с лагами в независимых переменных7
3.1.Метод последовательного увеличения количества лагов8
3.2.Метод геометрической прогрессии (Метод Койка)8
4.Авторегрессионные модели10
4.1.Модель активных ожиданий10
4.2.Модель частичной корректировки12
5.Прогнозирование с помощью временных рядов13
6.Оценивание длины периоды и периодической составляющей14
Список литературы19
Выдержка из текста
ВВЕДЕНИЕ
При анализе многих экономических показателей (особенно в макроэкономике) часто используются ежегодные, ежеквартальные, ежемесячные, ежедневные данные. Для рационального анализа необходимо систематизировать моменты получения соответствующих статистических данных.
В этом случае следует упорядочить данные по времени их получения и построить так называемые временные ряды.
1. МОДЕЛИ СТАЦИОНАРНЫХ И НЕСТАЦИОНАРНЫХ ВРЕМЕННЫХ РЯДОВ, ИХ ИДЕНТИФИКАЦИЯ
Пусть Рассмотрим временной ряд X(t). Пусть сначала временной ряд принимает числовые значения. Это могут быть, например, цены на батон хлеба в соседнем магазине или курс обмена доллара на рубли в ближайшем обменном пункте. Обычно в поведении временного ряда выявляют две основные тенденции — тренд и периодические колебания.
При этом под трендом понимают зависимость от времени линейного, квадратичного или иного типа, которую выявляют тем или иным способом сглаживания (например, экспоненциального сглаживания) либо расчетным путем, в частности, с помощью метода наименьших квадратов. Другими словами, тренд — это очищенная от случайностей основная тенденция временного ряда.
Временной ряд обычно колеблется вокруг тренда, причем отклонения от тренда часто обнаруживают правильность. Часто это связано с естественной или назначенной периодичностью, например, сезонной или недельной, месячной или квартальной (например, в соответствии с графиками выплаты заплаты и уплаты налогов). Иногда наличие периодичности и тем более ее причины неясны, и задача эконометрика — выяснить, действительно ли имеется периодичность.
1.1. Характеристики временных рядов.
Для более подробного изучения временных рядов используются вероятностно-статистические модели. При этом временной ряд X(t) рассматривается как случайный процесс (с дискретным временем) основными характеристиками являются математическое ожидание X(t), т.е.
,
дисперсия X(t), т.е.
Список использованной литературы
1. Елисеева И.И., Юзбашев М.М. Общая теория статистики. — М.: Финансы и статистика., 1998. — 368 с.
2. Общая теория статистики. Статистическая методология в изучении коммерческой деятельности. / Под ред.А.А. Спирина, О.Э.Башиной. — М,: Финансы и статистика, 1994. — 296 с.
3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. — М.: Финансы и статистика, 1985. — 488 с.
4. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. — М.: Юнити, 1998. — 1022 с.
5. Доугерти К. Введение в эконометрику. — М.: МГУ, 1999. — 402 с.
6. Кулинич Е.И. Эконометрия. — М.: Финансы и статистика, 1999. — 302 с.