Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн

Нажмите для полного просмотра!

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №2

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №3

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №4

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №5

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №6

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №7

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №8

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №9

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №10

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №11

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №12

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №13

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №14

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн, слайд №15

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн. Доклад-сообщение содержит 15 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупность различных объектов в определенный момент (период) времени; данные, характеризующие один объект за ряд последовательных моментов (периодов) времени. Модели, построенные по данным первого типа, называются пространственными моделями. Модели, построенные по данным второго типа, называются моделями временных рядов.

Слайд 2

Описание слайда:

Три составляющие временного ряда

Слайд 3

Описание слайда:

Модели временного ряда: Основная задача эконометрического исследования временного ряда: выявление и количественное выражение его компонент (тенденции, периодичности, случайной компоненты) в целях их использования для прогнозирования будущих значений ряда.

Слайд 4

Описание слайда:

Автокорреляция уровней временного ряда – это корреляционная зависимость между последовательными уровнями временного ряда. Измеряется с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями ряда, сдвинутыми на несколько шагов назад во времени:

Слайд 5

Описание слайда:

τ – величина сдвига во времени, или лаг Например, лаг τ=1 означает, что ряд сдвинут на один период (момент) назад и т.д. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается.

Слайд 6

Описание слайда:

Свойства коэффициента автокорреляции: характеризует тесноту только линейной связи текущего и предыдущего уровней ряда, поэтому по данному коэффициенту можно судить о наличии линейной или близкой к линейной тенденции. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию, коэффициент автокорреляции может приближаться к нулю; по знаку коэффициента автокорреляции нельзя судить о возрастающей или убывающей тенденции в уровнях ряда.

Слайд 7

Описание слайда:

Автокорреляционная функция временного ряда (АКФ) – это последовательность коэффициентов автокорреляции первого, второго и т.д. порядков. Коррелограмма – это график зависимости значений АКФ от величины лага.

Слайд 8

Описание слайда:

Моделирование тенденции временного ряда Аналитическое выравнивание – это построение аналитической функции, характеризующей зависимость уровней ряда от времени, т.е. построение тренда: линейный тренд экспоненциальный тренд гипербола тренд в форме степенной функции

Слайд 9

Описание слайда:

Для определения вида тенденции применяются следующие методы: – качественный анализ изучаемого процесса; – построение и визуальный анализ графика зависимости уровней ряда от времени; – расчет и анализ показателей динамики временного ряда (абсолютные приросты, темпы роста и др.); – метод перебора, при котором строятся тренды различного вида с последующим выбором наилучшего на основании значения скорректированного коэффициента детерминации.

Слайд 10

Описание слайда:

Выбор вида тенденции на основе качественного анализа

Слайд 11

Описание слайда:

Моделирование периодических колебаний Построение аддитивной и мультипликативной моделей сводится к расчету значений T, S, E для каждого уровня ряда. Процесс построения модели включает в себя следующие этапы: 1. Выравнивание исходного ряда методом скользящей средней. 2. Расчет значений периодической компоненты S. 3. Устранение периодической компоненты из исходных уровней ряда и получение выравненных данных (Т+Е) в аддитивной или (Т•Е) в мультипликативной модели. 4. Аналитическое выравнивание уровней ряда и расчет значений Т с использованием полученного уравнения тренда. 5. Расчет полученных по модели значений (Т+S) или (Т•S). 6. Расчет абсолютных и/или относительных ошибок.