Эконометрика

Цели и задачи

Цель данной работы заключается в изучении временных рядов с периодическими колебаниями.

Введение и актуальность


Важной особенностью временных рядов по сравнению с данными наблюдений, относящихся к одному периоду времени, является, как правило, наличие связи между последовательными уровнями ряда, вызванное действием каких-либо долговременных причин, что приводит к наличию таких составляющих ряда, как долговременная тенденция и периодическая составляющая.
Корреляционная зависимость между последовательными уровнями временного ряда называется автокорреляцией уровней временного ряда.
Степень тесноты автокорреляционной связи между уровнями ряда может быть определена с помощью коэффициентов автокорреляции, т. е. коэффициентов линейной корреляции между уровнями исходного временного ряда и уровнями ряда, сдвинутыми на несколько шагов назад во времени.
(9)
где τ – величина сдвига, называемая лагом, определяет порядок коэффициента автокорреляции,
. (10)
Функцию rτ называют автокорреляционной функцией временного ряда, а ее график – коррелограммой.
Анализ автокорреляционной функции и коррелограммы позволяет выявить структуру ряда, т. е. определить присутствие в ряде той или иной компоненты.
Так, если наиболее высоким оказался коэффициент автокорреляции первого порядка, то исследуемый ряд содержит только тенденцию.
Если наиболее высоким оказался коэффициент автокорреляции порядка т, то ряд содержит циклические колебания с периодичностью в т моментов времени.
Если ни один из коэффициентов автокорреляции не является значимым, то ряд не содержит тенденции и циклических колебаний.
Необходимо подчеркнуть, что линейные коэффициенты автокорреляции характеризуют тесноту только линейной связи текущего и предыдущих уровней ряда. Поэтому по коэффициентам автокорреляции можно судить только о наличии или отсутствии линейной (или близкой к линейной) зависимости. Для проверки ряда на наличие нелинейной тенденции рекомендуется вычислить линейные коэффициенты автокорреляции для временного ряда, состоящего из логарифмов исходных уровней. Отличные от нуля значения коэффициентов автокорреляции будут свидетельствовать о наличии нелинейной тенденции.

Заключение и вывод

Анализ временных рядов представляет собой одну из наиболее важных областей в экономической теории и практике. Изучение явлений и процессов в их развитии и изменении во времени дает исследователям такую интересную и важную возможность предсказывать поведение того или иного показателя. В повседневной жизни наибольший интерес, конечно, представляют цены на тот или иной товар или услугу, различные производственные и экономические показатели и т. п.
Зачастую в процессах можно наблюдать некую периодичность, колеблемость показателей. Именно такие ряды с колеблемостью и рассматривались в данной работе.
В ходе работы были изучены 4 метода моделирования рядов такого рода:
1) метод определения сезонной компоненты и построение аддитивной или мультипликативной модели временного ряда;
2) метод применения сезонных фиктивных переменных;
3) метод анализа сезонных колебаний с помощью автокорреляционной функции;
4) метод, использующий одномерные ряды Фурье.
В качестве примера эконометрического исследования в работе была построена аддитивная модель для средней цены поездки на отдых в Турцию на 8 дней в расчете на одного человека. В работе имеются результаты тестирования случайных отклонений модели. Оценена значимость модели и ее параметров. Кроме того, на основе этой модели был получен прогноз на 5 месяцев вперед, который можно использовать для планирования своего отдыха летом 2014 года.
Отметим, что не все предпосылки метода наименьших квадратов были выполнены, поэтому модель требует доработки. Очевидно, что стоимость поездки на отдых зависит не только от времени. Для построения наиболее адекватной модели необходимы дополнительные данные, такие, например, как стоимость поездки на отдых в другую страну, а также уровень доходов населения и др.

Нужна похожая работа?

Оставь заявку на бесплатный расчёт

Смотреть все Еще 421 дипломных работ